Simultaneous monitoring of volatile organic contaminant concentration and controlling factors for vapor intrusion risk evaluations—Two select cases
Notice bibliographique
Résumé
Abstract The US Environmental Protection Agency (USEPA) recommends basing vapor intrusion risk‐related decisions on reasonable maximum exposure (RME). The RME can occur during conditions and factors that control advective vapor transport. The most common vapor intrusion assessment approaches consist of randomly timed sample collection efforts without regard to vapor transport controlling factors. As such, they often do not accurately yield RME estimates and are, therefore, inconsistent with USEPA recommended risk decision criteria. To address these challenges, continuous high‐frequency monitoring platforms have been deployed to concurrently track indoor concentrations of key volatile constituents, climatic conditions, and nominal pressure differential conditions that can result in toxic vapor transport and entry into buildings. The objective of this article is to demonstrate how vapor intrusion RME‐based risks can be successfully and efficiently characterized by documenting concentrations during advective chemical transport into the building. Time series analyses of data from selected sites and time increments were performed and compared to results expected from the most commonly employed sampling methods. These analyses indicate that time‐weighted analyses and resulting conclusions and risk‐based decisions can vary depending upon the sample timing. More specifically, these findings demonstrate that RME estimates will only be representative with a sufficient level of confidence when samples are collected at appropriate times. High‐frequency monitoring of dynamic concentration and controlling factors, and determination of a time‐weighted concentration average over a selected duration concurrent with advective flux conditions allows for the derivation of a representative RME‐based risk estimate. Furthermore, these variable temporal data patterns can prove insightful regarding cause‐and‐effect relationships.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».