MétaCan
Menu
Retour à la cohorte
Enregistrement W2090145025 · doi:10.1002/er.1162

A simplified method for modelling the effect of blinds on window thermal performance

2005· article· en· W2090145025 sur OpenAlexafffund
David Naylor, Hidayat Ullah Shahid, S. J. Harrison, Patrick H. Oosthuizen

Notice bibliographique

RevueInternational Journal of Energy Research · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of Ontario Institute of TechnologyQueen's UniversityToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLouverWindow (computing)FenestrationThermal comfortHeat exchangerThermalHeat transferGlazingComputer scienceSimulationAcousticsEnvironmental scienceMechanicsMaterials scienceMeteorologyMechanical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

An approximate method is presented for predicting the effect of a louvered blind on the centre-glass thermal performance of a fenestration. The method combines a one-dimensional heat transfer model with data from a numerical simulation of the window and blind. Sample results for a blind mounted on the indoor surface of a window show the effect of blind slat angle on heat transmission. Both summer and winter conditions are considered. The results show that a louvered blind can improve the U-value of a standard double-glazed window by up to 37%. Also, the radiation heat exchange with the room can be dramatically reduced (by up to 60%), which will improve the level of occupant comfort. However, there was found to be a trade-off between U-value and occupant comfort; placing the blind closer to the window improves the U-value, but increases the radiation heat exchange with the room. The predictions from the present simplified method compare well with results from a full two-dimensional computational fluid dynamics solution of the conjugate blind/window interaction. Copyright © 2005 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,189

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,354
Écart entre enseignants0,316 · 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 tête enseignante, 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

Citations15
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207