Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Covid 的 MERV 过滤器?

Posted on 2022-05-25

如果您四处寻找有关使用哪种空气净化器来降低新冠病毒风险的建议,您会看到一些人说您需要 HEPA 过滤器:

微病毒:

如果您决定为 COVID 目的购买空气净化器,请记住以下几点:

  • 确保净化器具有 HEPA 过滤器 – 这些过滤器可去除 99.97% 的空气悬浮颗粒。
  • 中央供暖/空调系统不适用于此。这些通常使用 MERV 级过滤器。这些在去除小颗粒方面的效果明显低于 HEPA 级过滤器(最佳 MERV 等级,MERV-16,仅去除 75% 的颗粒。 [JK:这应该是95% — 归档#1451 ]

然而, EPA提倡任何能很好地去除 0.1-1 µm 颗粒的方法,并且如果您正在构建某些东西,建议使用 MERV-13 或更好的方法:

为了选择能有效过滤空气中病毒的空气净化器,请选择:1) 尺寸适合您将使用它的空间的装置(制造商通常以平方英尺为单位表示),2)对烟雾(相对于花粉或灰尘)具有高 CADR 的装置,被指定为 HEPA 装置,或者特别表明它可以过滤 0.1-1 µm 尺寸范围内的颗粒。

…

组装 DIY 空气滤清器时,请选择 MERV 13 或更高等级的高效过滤器,以获得更好的过滤效果。

使用 MERV-13 的建议从何而来?我可以使用 MERV-12 吗?如果我改用 MERV-14 会好多少?让我们对其进行建模。

想象一下,您有一个感染者进入一个房间。他们呼出缓慢积累的 sars-cov-2 粒子:

机载covid-linear.png

这些颗粒大小不一,但让我们估计 20% 的空气传播的 sars-cov-2 的颗粒大小为 0.3-1µm,29% 为 1-3µm,51% 为 3-10µm(请参阅有多大Covid 粒子? ):

机载covid-linear-sizes.png

这些粒子实际上并不会永远累积,原因有几个,其中之一是它们通常会慢慢地从空气中沉降下来。这取决于尺寸,0.3µm 的半衰期约为 4d,2µm 的半衰期约为 2hr,5µm 的半衰期约为 20min:

空降-covid-decay-sizes.png

粒子不会永远积累的另一个原因与即使关闭窗户我们也不会窒息的原因相同:建筑物不是密封的。您以“每小时换气次数”(ACH) 来描述建筑物的通风量,住宅建筑的典型值为 2 ACH。例如,如果您的房间是 1,000 立方英尺 (CF),那么您每小时可能与室外交换 2,000 立方英尺的空气,或每分钟 33 立方英尺 (CFM):

空降-covid-decay-2ach-sizes.png

现在让我们假设我们打开一个通过 MERV-14 过滤器运行 5 ACH(1,000 CF 房间中为 83 CFM)的净化器。这可去除至少 75% 的 0.3-1µm 颗粒、90% 的 1-3µm 和 95% 的 3-10µm:

机载-covid-decay-2ach-5ach-merv14-si

空气中 sars-cov-2 的总量是这三个曲线的总和:

机载-covid-decay-2ach-5ach-merv14-to

当我们运行具有不同功效的不同过滤器时会发生什么?

空降-covid-decay-2ach-5ach.png

我们还可以在没有过滤的情况下查看这些过滤器中的每一个:

空降covid-decay-2ach-5ach-relative。

让我们稍微扩大一下规模,这样我们就可以看到稳定需要多长时间:

机载-covid-decay-2ach-5ach-relative-

在平衡状态下,我们看到以下相对于不过滤的 sars-cov-2 数量:

筛选 减少
MERV-11 49%
MERV-12 43%
MERV-13 40%
MERV-14 36%
MERV-15 35%
MERV-16 34%
高效空气过滤器 33%

这有点令人惊讶: Microcovid估计在这种情况下(“带有 HEPA 过滤器的室内(流速为每小时 5 倍房间大小)”)风险降低到 25%。他们引用了 Curtius 等人。 2020年总结为:

研究人员发现,在教室里运行空气净化器可使房间内的气溶胶密度降低 90%。

这不是这篇论文的一个很好的总结。研究人员做了两件事:

  1. 测量空气净化器对颗粒浓度的影响。
  2. 制作了净化器效果的简单模型,以估计风险降低。

90% 来自#2,他们说“2 小时后,房间中含有病毒 RNA 的气溶胶颗粒浓度,‘没有净化器’比‘有净化器’高约 10 倍。”他们展示了这张图表:

curtis-2020-fig6.jpg

他们的模型不包括任何自然通风或衰减,这意味着他们模拟的“没有净化器的 RNA 颗粒浓度”将永远线性增加。 2 小时后它比净化器高 10 倍,但 4 小时后他们会说它高 20 倍。

5 ACH 的 HEPA 过滤器在平衡状态下将空气传播的 sars-cov-2 减少到 33% 仍然相当不错,但是我们需要多少气流才能将水平降低到没有净化器时的 25%?

我们可以通过查看 ACH 对平衡的减少量来了解这一点:

空降covid-remaining-2ach-by-ach.png

这表明我们需要来自 HEPA 过滤器的 7 ACH 才能将水平降低到 25%,但它也表明更高气流的影响可能比更高的过滤更大。如果我们的目标是将平衡水平降低到原本水平的 25%,那么每种过滤器类型需要多少 ACH?

筛选 ACH 匹配 HEPA
MERV-11 13.8
MERV-12 10.6
MERV-13 9.3
MERV-14 8.0
MERV-15 7.7
MERV-16 7.4
高效空气过滤器 7.0

这让我们回答了在构建净化器时何时值得使用更高质量的过滤器的问题。假设我正在建造几个过滤立方体来净化一个大房间的空气,可能是 9,000 CF,我想将水平降低到 25%。我需要 1,000 CFM 的 100% 过滤空气,或更多不彻底过滤的空气。每个立方体可以通过其过滤器移动大约500 CFM ,所以我需要:

筛选 所需的多维数据集
MERV-11 3.9
MERV-12 3.0
MERV-13 2.7
MERV-14 2.3
MERV-15 2.2
MERV-16 2.1
高效空气过滤器 2.0

以今天的价格(每 20x20x1 过滤器,每包 12 个)我看到:

筛选 所需的多维数据集
MERV-12 6.24 美元
MERV-13 7.24 美元
MERV-14 11.58 美元

我看不到 MERV-11(比最便宜的 MERV-12 贵)或 MERV-15+(比 MERV-14 贵得多)的合理价格。

如果我们保持过滤不变并假设我们可以使用分数立方体,成本如何比较?假设一个立方体是一个 25 美元的盒子风扇、1 美元的胶带和四个过滤器:

筛选 所需的多维数据集 总花费
MERV-12 3.0 153 美元
MERV-13 2.7 148 美元
MERV-14 2.3 166 美元

看起来使用 MERV-13 的标准建议非常好!另一方面,使用 MERV-14 可以让您使用更少的立方体获得几乎相同的过滤效果,这意味着更少的空间和噪音。而且,当然,您不能真正拥有分数立方体,因此根据您要净化的特定房间的大小向上或向下舍入可能是有意义的。

(代码在 github 上,图表在这张表中。)

评论来自: facebook , lesswrong

原文: https://www.jefftk.com/p/merv-filters-for-covid

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Lou Plummer
  • Matt Stoller
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • Thinking Deep & Wide
  • Tim Kellogg
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme