Quantitative filter forensics: Size distribution and particulate matter concentrations in residential buildings
Notice bibliographique
Résumé
We applied filter forensics, the analysis of dust from the heating, ventilation, and air-conditioning (HVAC) filters, to measure particle size distribution in 21 residences in Toronto, Canada over a year. Four filters with different nominal efficiencies (Minimum Efficiency Reporting Value (MERV) 8–14 from ASHRAE Standard 52.2) were deployed in each residence each for three months, while the effective filtration volumes (the product of flow rate, runtime, and in-situ filter efficiency) were characterized over each filter lifetime. Using extraction and laser diffraction, we found that approximately 90% of the volumetric distributions were >10 µm and the volume median diameter (VMD) ranged from 23.4 to 75.1 µm. Using quantitative filter forensics (QFF), total suspended particle (TSP) concentrations ranged from 2.9 to 823.7 µg/m3 (median = 89.8 µg/m3) with a moderate correlation with the content of TSP on the filters (in terms of g) and with the TSP effective filtration volume (m3) indicating the importance of both filter forensics and HVAC metadata parameters to QFF concentration estimates. There was no strong correlation between PM10 or PM2.5 concentrations and hourly airborne particle number concentrations measured by low-cost sensors suggesting an evaluation of QFF is warranted, particularly for the exploration of smaller particles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».