An Investigation of Climate Loads on Building Façades for Selected Locations in the United States
Notice bibliographique
Résumé
Abstract The ability of a wall assembly to manage rainwater and control rain penetration depends on the assembly configuration, including interface details for penetrations, and on the rain loads to which the wall is subjected. There are a variety different protocols for evaluating the ability wall systems to resist water intrusion. Generally they involve spraying varying amounts of water while maintaining a pressure difference across the specimen. Across the conterminous United States hourly weather data for extended periods (climatic data) is available for many locations. From this climatic data estimates of wind-driven rain loads can be determined. We answer the question of how often these combinations of rainfall intensities and pressure are likely to present a problem with respect to moisture management of the assembly and how often these are likely to occur over the expected life of the wall assembly. Climate information related to rainfall and wind-driven rain for Boston, Miami, Minneapolis, Philadelphia, and Seattle are provided. A methodology for generating rates of water spray impinging on and pressure differences acting across the wall assembly is also developed. Although the methodology was primarily developed to select the proper testing criteria and test conditions to mimic real events, it can also be used by designers and practitioners to: (i) determine the response of the wall assembly to the effects of wind-driven rain; (ii) estimate design loads below which adverse effects on the assembly are minimized; (iii) assess the likelihood and degree of damage to the assembly when design loads are exceeded; (iv) estimate the long-term performance of the wall assembly based on watertightness and moisture management the wall assembly.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».