MétaCan
Menu
Retour à la cohorte
Enregistrement W4243693023 · doi:10.1202/532.1

Exposure to Noise on Board Locomotives

2003· article· en· W4243693023 sur OpenAlexaff
Baily Seshagiri

Notice bibliographique

RevueAIHA Journal · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueRailway Engineering and Dynamics
Établissements canadiensEmployment and Social Development Canada
Organismes subventionnairesnon disponible
Mots-clésNoise (video)Octave bandOctave (electronics)Environmental scienceAcousticsNoise exposureConductorElectrical engineeringEngineeringPhysicsMathematicsAudiologyComputer science

Résumé

récupéré en direct d'OpenAlex

Personal and area noise dosimetry measurements were taken in the cabs of leading and trailing locomotives on 48 trips, under winter and summer conditions, on 9 different routes. The mean equivalent sound level (LEQ, 3 dB exchange rate, 50 dBA threshold) of the engineers and conductors was 84 dBA during winter and 88 dBA during summer. The corresponding time-weighted average levels (LTWA, 5 dB exchange rate, 80 dBA threshold) were 80 and 84 dBA respectively. The LEQ of 56% of the engineers sampled was ≥85 dBA and of 13% was ≥90 dBA. Plots of LEQ time history show that under normal operating conditions LEQ reaches its steady-state value in about 3 hours. The mean noise levels in the trailing cabs were lower than the personal exposure levels of the engineers and conductors. The mean LEQ on the engineer and conductor sides was 80 dBA during winter, and 85 dBA during summer. Locomotive configuration has a significant effect on the noise levels in the trailing cab. The forward–backward configuration resulted in higher noise levels than the forward–forward configuration. Octave and one-third octave band spectra taken during a variety of locomotive operating conditions are presented. The octave band centered at 31.5 Hz contains nearly 46% of the acoustical energy, and those centered at and below 250 Hz contain nearly 99% of the acoustical energy. Wheel-rail interaction appears to be the predominant source of the low frequency noise. Recommendations for controlling exposure are made.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,015

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
Bibliométrie0,0010,000
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)0,0020,000

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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

Citations1
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIHA JournalMême sujetRailway Engineering and DynamicsTravaux en français237 207