Multizone Modeling of Airborne Quanta Transmission and CO2-based Ventilation Designs for Assessing Indoor Exposures
Notice bibliographique
Résumé
In indoor environments, ventilation is essential for diluting or removing contaminants, pathogens, excess heat, and moisture, thereby ensuring a healthy and comfortable space. The COVID-19 pandemic underscored the critical role of ventilation in controlling airborne respiratory infections indoors. During this period, inadequate ventilation systems and improper operations in densely populated public spaces were frequently linked to outbreaks and superspreading events, heightening concerns over indoor exposure risks for occupants. As COVID-19 restrictions begin to relax globally, the focus is transitioning to long-term management strategies for the virus. This transition necessitates a comprehensive understanding of the specific ventilation requirements for various indoor spaces. It is imperative to swiftly and accurately assess ventilation conditions and consistently ensure an adequate supply of clean air. This study focuses on mitigation strategies to reduce indoor exposure risks and prepare for the post-pandemic era. The multizone CONTAM modeling of aerosol transport under different mechanical mitigation strategies was investigated in five DOE prototype buildings. To utilize field evidence for improving indoor air quality, a novel approach integrating Bayesian inference and stochastic CO2 grey-box models was applied. This approach was used to evaluate the ventilation conditions within two primary school classrooms in Montreal. The Equivalent Clean Airflow Rate (ECAi) was calculated following ASHRAE 241, revealing an insufficient clean air supply in both classrooms. To achieve a sufficient ECAi, an additional 0.38 m3/s of clean air delivery rate (CADR) from air-cleaning devices is recommended. Finally, steady-state CO2 thresholds (Climit, Ctarget, and Cideal) were established to indicate when ECAi requirements could be achieved under various mitigation strategies.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».