MétaCan
Menu
Retour à la cohorte
Enregistrement W2183200369

Energy consumption and commercial applications of liquid foam insulation technology for greenhouses

2010· article· en· W2183200369 sur OpenAlexaboutno aff
Johan Villeneuve, D. de Halleux, Kamal Aberkani, S. Vineberg

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouseEnvironmental scienceEnergy consumptionGreenhouse gasCold climateAgricultural economicsEnvironmental engineeringWaste managementMeteorologyEngineeringGeographyEcologyElectrical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

It is well known fact that operating a commercial greenhouse in northern Latitudes requires large amounts of energy. As energy prices continue to fluctuate, it is critically important to provide growers with a tool that gives them greater control of their micro-climate. Sunarc of Canada has developed an energy saving system for commercial greenhouse growers. The liquid foam insulating system was installed at site 1 over an area of 14,700 ft² (Chatam, ON, Canada), as well as at site 2 (Leamington, ON, Canada) over an area of 43,000 ft². Both facilities were monitored for energy use during the 2007 winter period. Night-time energy savings ranged from above 60% to below 10% depending on outdoor temperatures with greater savings occurring during colder outdoor temperatures. Monthly average night-time energy savings resulted in values from February, March and April 2007 of 46.6, 42, and 32.3% respectively. Following initial commercial testing the liquid foam system was reengineered to improve and optimize operations, reduce fill time, and improve liquid foam formulas. The new system was installed at site 3 (Laval, QC, Canada) as a demonstration unit. The company is presently negotiating international distribution writes with several partners.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,219

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,013
Tête enseignante GPT0,230
Écart entre enseignants0,217 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGreenhouse Technology and Climate ControlTravaux en français237 207