MétaCan
Menu
← Retour à la cohorte
Enregistrement W2281963269 · doi:10.5353/th_b5677219

The statistic energy profile analysis and carbon renovation plan of the household energy use : taking the Region of Waterloo as an example

2015· dissertation· en· W2281963269 sur OpenAlexaboutno aff
Shiyang Li

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatisticPlan (archaeology)Energy (signal processing)Carbon fibersGeographyStatisticsEnvironmental scienceComputer scienceMathematicsArchaeologyAlgorithm

Résumé

récupéré en direct d'OpenAlex

As one of the largest and fastest growing urban areas in Ontario, the Regional Municipality of Waterloo is serving a continuously growth of population, as well as an increasing demand for energy input. Since the residential sector always take up a significant amount of energy consumption, and generate an increasing amount of Green House Gas emissions, solutions of reduce energy consumption and Green House Gas emissions are highly demanded. \nThe paper will start with an introduction of the overall statistics on national and regional energy consumptions. Participating households from the regional Waterloo REEP program were analyzed and evaluated for their energy consumption status and energy efficiency performances to draft an energy profile will be explained in the next section, since the performance-based profile will be able to provide both area municipalities and residents with better understanding of how the dwellings consumes energy and empower them to come up with smarter energy adjustments at home. The follow-up improvements and renovation plans will be initiated based on the energy profile, including examining the wind energy potential in Waterloo region and households retrofitting designs will be illustrated at last.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,753
Score d'incertitude au seuil0,492

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,215
Écart entre enseignants0,184 · 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'étudeObservationnel
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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→