MétaCan
Menu
Retour à la cohorte
Enregistrement W3083563826 · doi:10.1049/iet-gtd.2020.0726

Characterisation parameter of atmospheric pollutant concentration for external insulation

2020· article· en· W3083563826 sur OpenAlexaff
Bin Cao, Fanghui Yin, Daiming Yang, Liming Wang, M. Farzaneh

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésPollutantEnvironmental scienceMeteorologyEnvironmental engineeringChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Currently, the equivalent salt deposit density (ESDD) is adopted to characterise the pollution degree and many environmental pollution parameters are used to characterise air pollution. However, the relationships between ESDD and environmental pollution parameters are not clear. For the purpose of studying the influence of environmental factors such as haze‐fog, high‐conductivity fog on the insulators contamination and the equivalence between artificial salt fog and natural highly conductive pollutions, a parameter named equivalent soluble salt concentration (ESSC) was proposed to measure the soluble salt amount of the atmospheric air in this study. Based on the measuring principle, an ESSC measurement platform was developed. The developed platform was tested in the laboratory and used to measure the ESSC in the field. According to the experimental results, it was found that the soluble components deposited on the specimen surface in the field are the same as that in the atmospheric air nearby. As the pollution deposition is an accumulative process, it is expected that combined with ESDD, the ESSC can be used to predict the ESDD, which would be of significance to study the accumulated mechanism of insulator contamination, as well as to the external insulation design.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,227
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetSmart Materials for ConstructionTravaux en français237 207