MétaCan
Menu
Retour à la cohorte
Enregistrement W3192491017 · doi:10.1021/acs.est.1c02053

Modeling the Removal of Water-Soluble Trace Gases from Indoor Air via Air Conditioner Condensate

2021· article· en· W3192491017 sur OpenAlexaff
Heather Schwartz‐Narbonne, Jonathan P. D. Abbatt, P. F. DeCarlo, Delphine K. Farmer, James M. Mattila, Chen Wang, D. J. Donaldson, Jeffrey A. Siegel

Notice bibliographique

RevueEnvironmental Science & Technology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIndoor Air Quality and Microbial Exposure
Établissements canadiensThe Scarborough HospitalPublic Health OntarioUniversity of Toronto
Organismes subventionnairesAlfred P. Sloan Foundation
Mots-clésAir conditioningEnvironmental scienceTrace gasTRACE (psycholinguistics)Environmental engineeringIndoor airElectromagnetic coilRoom air distributionWaste managementChemistryMeteorologyEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Water-soluble trace gas (WSTG) loss from indoor air via air conditioning (AC) units has been observed in several studies, but these results have been difficult to generalize. In the present study, we designed a box model that can be used to investigate and estimate WSTG removal due to partitioning to AC coil condensate. We compared the model output to measurements of a suite of organic acids cycling in an indoor environment and tested the model by varying the input AC parameters. These tests showed that WSTG loss via AC cycling is influenced by Henry's law constant of the compound in question, which is controlled by air and water temperatures and the condensate pH. Air conditioning unit specifications also impact WSTG loss through variations in the sensible heat ratio, the effective recirculation rate of air through the unit, and the timing of coil and fan operation. These findings have significant implications for indoor modeling. To accurately model the fate of indoor WSTGs, researchers must either measure or otherwise account for these unique environmental and operational characteristics.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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'étudeSimulation ou modélisation
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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetIndoor Air Quality and Microbial ExposureTravaux en français237 207