MétaCan
Menu
Retour à la cohorte
Enregistrement W2219582084

RETScreen(R) 지중열 히트펌프 모듈 한국 적용에 관한 연구

2005· article· ko· W2219582084 sur OpenAlexaboutno aff
아메드 나비드, 박상현, 김병선

Notice bibliographique

Revue한국신재생에너지학회 학술대회논문집 · 2005
Typearticle
Langueko
DomaineSocial Sciences
ThématiqueEnergy and Environmental Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCivil engineeringRenewable energyEngineeringEnvironmental scienceEnvironmental engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Korea is utilizing geothermal resources mainly in the bathing and swimming facilities with very few applications for industrial processes or space heating. It is estimated that geothermal capacity and annual utilization are 36.2MWt and 761TJ/year as compared to global capacity and annual utilization of 15,145MWt and 190,699 TJ/year. RETScreen software is a user's friendly tool for analyzing the technical and financial pre-feasibility of potential Renewable Energy (RE) projects that promotes the use of RE applications through the capacity building of planners, decision-makers and industries for successful implementation of RE projects. Strong ties between Canada and Korean organizations such as Korean Solar Energy Society (KSES) and the Korea Institute of Energy Research (KIER) exist for knowledge transfer about RETScreen. In this paper, an overview of RETScreen and its ground source heat pump (GSHP) model with a practical example of an existing project of a community hall in Canada are described to illustrate effectiveness of RETScreenin the implementation of RE technologies. The same community hall project is then evaluated hypothetically considering its location at Kangnyng, Korea. The main objective is to demonstrate how RETScreen GSHP model can also be utilized effectively for GSHP applications in Korea.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0270,005

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 Opus0,015
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue한국신재생에너지학회 학술대회논문집Même sujetEnergy and Environmental SystemsTravaux en français237 207