Kinetics model with experimental validation for optimal microalgae generation in double-skin façades
Notice bibliographique
Résumé
Microalgae photobioreactors integrated into double-skin façades in cold climates enhance growth conditions for biomass generation, CO 2 fixation, and O 2 production, while reducing thermal loads. However, shading imposed by double-skin façade's assembly limits light interception for the photobioreactors. This study employs kinetics and shading models to estimate variations in biomass concentration within the light-constrained photobioreactor. To validate the accuracy and reliability of the model, the results were compared to experimental data collected by the authors from a full-scale constructed system. Biomass concentration was monitored using a developed RGB image-based monitoring technique. Direct search methods were employed to optimize the design and operational variables of the microalgae photobioreactors, with the goal of maximizing annual areal and volumetric productivities across 14 Canadian cities under various climatic conditions. Hooke-Jeeves algorithm was 65.6 % faster than Powell's conjugate direction method. This showed the system's adaptability by generating 1.3–3.0 kg/m 2 .year of biomass in different climates. The study established a framework for optimizing microalgae photobioreactors into façades to maximize biomass harvest. • Kinetics models for microalgae photobioreactors integrated into buildings. • Microalgae photobioreactors are adaptable to cold climatic regions when optimized. • Hooke-Jeeves algorithm is faster compared to Powell's conjugate direction method. • Location has a greater impact on biomass productivity than the microalgae strain.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».