Classification of buildings mold threat using electronic nose
PBN-AR
Instytucja
Wydział Inżynierii Środowiska (Politechnika Lubelska)
Informacje podstawowe
Główny język publikacji
angielski
Czasopismo
AIP CONFERENCE PROCEEDINGS [WOS]
ISSN
0094-243X
EISSN
Wydawca
DOI
URL
Rok publikacji
2017
Numer zeszytu
Strony od-do
030002-1-030002-5
Numer tomu
1866
Identyfikator DOI
Liczba arkuszy
0,5
Konferencja
Indeksowana w Scopus
tak
Indeksowana w Web of Science Core Collection
tak
Liczba cytowań z Web of Science Core Collection
Nazwa konferencji (skrócona)
Nazwa konferencji
22nd International Meeting of Thermophysics (Thermophysics) / 4th Meeting of the Energy and Responsibility (EnRe) 2017
Początek konferencji
2017-09-12
Koniec konferencji
2017-09-14
Lokalizacja konferencji
Terchova
Kraj konferencji
SK
Lista innych baz czasopism i abstraktów w których była indeksowana
AIP
Open access
Tryb otwartego dostępu
Inne
Wersja tekstu w otwartym dostępie
Wersja opublikowana
Licencja otwartego dostępu
Inna
Czas opublikowania w otwartym dostępie
Razem z publikacją
Streszczenia
Język
EN
Treść
Mold is considered to be one of the most important features of Sick Building Syndrome and is an important problem in current building industry. In many cases it is caused by the rising moisture of building envelopes surface and exaggerated humidity of indoor air. Concerning historical buildings it is mostly caused by outdated raising techniques among that is absence of horizontal isolation against moisture and hygroscopic materials applied for construction. Recent buildings also suffer problem of mold risk which is caused in many cases by hermetization leading to improper performance of gravitational ventilation systems that make suitable conditions for mold development. Basing on our research there is proposed a method of buildings mold threat classification using electronic nose, based on a gas sensors array which consists of MOS sensors (metal oxide semiconductor). Used device is frequently applied for air quality assessment in environmental engineering branches. Presented results show the interpretation of e-nose readouts of indoor air sampled in rooms threatened with mold development in comparison with clean reference rooms and synthetic air. Obtained multivariate data were processed, visualized and classified using a PCA (Principal Component Analysis) and ANN (Artificial Neural Network) methods. Described investigation confirmed that electronic nose – gas sensors array supported with data processing enables to classify air samples taken from different rooms affected with mold.
Inne
System-identifier
28705
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych