Sensing and Delineating Mixed-VOC Composition in Air Using a Single Metal-Oxide Sensor
Notice bibliographique
Résumé
Monitoring volatile organic compounds (VOCs) places a crucial role in environmental pollutants control and indoor air quality. In this study, a metal-oxide (MOx) sensor detector (uRAD A3 mobile air quality monitor) was employed to delineate the composition of air containing three common VOCs (ethanol, acetone and hexane) under various concentrations. Experiments with a single component and double components were conducted to investigate how the solvents interact with the metal oxide sensor. The experimental results revealed that the affinity between VOC and sensor was in the following order: acetone > ethanol > n-hexane. A mathematical model was developed, based on the experimental findings and data analysis, to convert the output resistance value of the sensor into concentration values, which in turn can be used to calculate a VOC-based air quality index. Empirical equations were established based on inferences of vapor composition versus resistance trends, and on an approach of using original and diluted air samples to generate two sets of resistance data per sample. The calibration of numerous model parameters allowed matching simulated curves to measured data. As such, the predictive mathematical model enabled quantifying not only the total concentration of sensed VOCs, but also estimating the VOC composition. This first attempt to obtain semi-quantitative data from a single MOx sensor is aimed at expanding the capability of mobile air pollutants monitoring devices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 tête enseignante, 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 ».