MétaCan
Menu
Retour à la cohorte
Enregistrement W1992079145 · doi:10.1080/19401491003653611

Convective heat transfer in domed skylight cavities

2010· article· en· W1992079145 sur OpenAlexaff
AmirAbbas Sartipi, Abdelaziz Laouadi, David Naylor, Ramdhane Dhib

Notice bibliographique

RevueJournal of Building Performance Simulation · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensNational Research Council CanadaToronto Metropolitan UniversityAtomic Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésHeat transferLaminar flowNusselt numberSolar gainMechanicsConvective heat transferNatural convectionThermalComputational fluid dynamicsSkylightMaterials scienceOpticsTurbulenceMeteorologyEngineeringMechanical engineeringPhysicsReynolds number

Résumé

récupéré en direct d'OpenAlex

Domed skylights are important architectural design elements that deliver daylight and solar heat into buildings, and connect the building's occupants to the outdoor environment. Despite the widespread use of domed skylights, there is limited information on the convective heat transfer within cavities of multi-glazed domes. This information is required to evaluate the thermal performance of domed skylights for product rating purposes, or to evaluate the heat loss or gain of installed skylights in buildings. This article presents a numerical study on the laminar natural convection in horizontal concentric domed cavities heated from the inside surface. A commercial CFD package is used to solve for the flow and temperature fields. The results show that for large cavity gap spacing-to-radius ratios, the cavity flow is mono-cellular and steady state. For small gap spacing ratios, however, the cavity flow may be multi-cellular and transient periodic. Practical correlations for the heat transfer coefficient as a function of the cavity shape and gap spacing ratio are developed for both flow regimes. The critical gap spacing ratio that yields the maximum Nusselt number is quantified for each cavity shape.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,212
Écart entre enseignants0,207 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Building Performance SimulationMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207