HBCD-palosuoja-aineen määritys rakennusten eristejätteistä : menetelmän kehitys ja validointi
Bibliographic record
Abstract
Tämä opinnäytetyö oli osa Tampereen Ammattikorkeakoulun ja Suomen Ympäristökeskuksen välistä hanketta, jonka tavoitteena oli tuottaa rakennusalan yrityksille ohjeistusta ja tietoa palosuoja-aine heksabromisyklododekaanista, eli HBCD:sta. HBCD on ollut jo 1960-70 -luvuilta lähtien runsaasti palosuoja-aineena käytetty kemikaali, ja vielä 2000-luvun alkupuolella se on ollut yksi kolmesta käytetyimmästä palosuoja-aineesta koko maailmassa. HBCD on kuitenkin vuonna 2013 lisätty Tukholman sopimuksen kieltoliitteeseen siten, että sen käyttö on sallittu vain rakennusten eristemateriaaleissa 5-10 vuoden siirtymäajalla. Lisäksi yhdisteelle asetettiin pitoisuusrajoitus, jonka ylittäessään eristemateriaali luetaan POP-jätteeksi. Tämä tarkoittaa sitä, että rakennuksia purkaessa niiden eristejätteet on tutkittava HBCD:n varalta, ja mikäli sitä havaitaan, on sen määrä jätteessä analysoitava. \n \nTämä työ oli jatkoa kahdelle aikaisemmalle hankkeeseen tehdylle opinnäytetyölle, joista ensimmäisessä kehitettiin alustava menetelmä HBCD:n määrittämiseen (Sandqvist. 2018) ja toisessa paneuduttiin näytteenkäsittelyyn ja kenttämittauksiin rakennuspurkutyömailla (Vogt. 2019). Tässä opinnäytetyössä kehitettiin ja validoitiin kaasukromatografi-liekki-ionisaatiolaitteistolle (GC-FID) menetelmä, jolla voitiin määrittää HBCD:a asetoniliuoksesta. Menetelmän toimivuutta testattiin myös aidoilla eristejätenäytteillä. Tarkempaa validointia haittasi referenssinäytteen tai vertailulaboratorion analyysitulosten puute, joilla oltaisiin voitu todentaa laitteiston ja menetelmän oikeellisuus. Liuosten säilyvyyttä tutkittiin laboratorio-olosuhteissa, mutta säilyvyyden suhteen tulisi tehdä tarkempia tutkimuksia, mikäli menetelmää käytettäisiin jatkossa analyysipalvelulaboratoriossa. Lisäksi näytteenkäsittelyssä havaittiin jatkokehityksen aiheita.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.047 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".