MétaCan
Menu
Retour à la cohorte
Enregistrement W3120339281 · doi:10.3390/su13010369

Numerical Assessment of an Air Cleaner Device under Different Working Conditions in an Indoor Environment

2021· article· en· W3120339281 sur OpenAlexaff
Farshad Moradi Kashkooli, Mostafa Sefidgar, M. Soltani, Shahab Anbari, Seyed-Amir Shahandashti, Bahram Zargar

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInfection Control and Ventilation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDisplacement ventilationIndoor air qualityEnvironmental scienceVentilation (architecture)Computational fluid dynamicsIndoor airMaterials scienceEnvironmental engineeringWaste managementMechanical engineeringEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Transmission and spread of exhaled contaminants in the air may cause many airborne infectious diseases. In addition to appropriate ventilation, air cleaner devices are used as one of the most common ways to improve the indoor air quality. Therefore, it is necessary to understand the performance of an air cleaner under different operating conditions. This study mainly concerns investigating the effect of presence or absence of furniture and its displacement on the removal rate of the particles leaving a person’s mouth while coughing in an isolated room. Moreover, the effect of air exit angle of the device on removal rate of contaminated particles and the pattern of their dispersion within a room was studied. To this aim, computational fluid dynamics were employed to examine the mentioned effects by using the Eulerian− Lagrangian method. As the results indicated, when the furniture was placed farther away from the device, more particles were removed by the device. Additionally, the air ejection angle of the air cleaner device significantly affects the removal of particles. Results of the present study could improve use of air cleaner devices for maximum reduction of particles in the indoor environment.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,337
Écart entre enseignants0,319 · 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 tête enseignante, 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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetInfection Control and VentilationTravaux en français237 207