MétaCan
Menu
Retour à la cohorte
Enregistrement W2148442759 · doi:10.1520/jai12505

A Review of Climate Loads Relevant to Assessing the Watertightness Performance of Walls, Windows, and Wall-Window Interfaces

2005· review· en· W2148442759 sur OpenAlexaff
SM Cornick, Michael Lacasse

Notice bibliographique

RevueJournal of ASTM International · 2005
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésRainwater harvestingCladding (metalworking)Environmental sciencePenetration (warfare)Wind speedWind engineeringMeteorologyEngineeringMaterials scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract When assessing a wall assembly's ability to manage rainwater and control rain penetration, the two key climatic elements to consider are wind speed and rainfall intensity. However, of significance to rain penetration is the effect of wind-driven rain on the building cladding — that is wind coincident with rainfall. When water is present at openings in the cladding, water is driven into the layers of the assembly by the action of wind. Paths providing a direct line from openings in the cladding to inside the assembly offer particularly vulnerable points for water entry. Performance testing helps determine the location of vulnerable locations in a wall assembly and the test loads at which penetration occurs, and it possibly relates the amount of entry to specific details and simulated climate effects. Undertaking watertightness performance tests requires knowledge of extremes in wind-driven rain or specifically the occurrence and level of extreme rainfall events for locations of interest. A review of climate information on wind-driven rain is provided, and its relevance to assessing the watertightness performance of walls, windows, and wall-window interfaces is discussed. Values of rainfall intensity, duration, and frequency or occurrence are given, emphasizing the level of significance of these variables to different North American climates.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,538

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,321
Écart entre enseignants0,299 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations50
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ASTM InternationalMême sujetWind and Air Flow StudiesTravaux en français237 207