Digital campus innovation project: integration of building information modelling with building performance simulation and building diagnostics
Notice bibliographique
Résumé
Building Information Modelling (BIM) has emerged as a powerful technology that creates a central hub for managing building energy and resources at all phases of the building life cycle. Without it, many tools that lack interoperabil-ity are used, thus massively under-exploiting the efforts of other building design and management parties; this largely describes the status quo. However, despite the power of BIM, it has not been readily adopted by industry, and especially not at the community and campus scale. Digital Campus Innova-tion (DCI) is a large multi-year and multidisciplinary project involving development of a methodology for use of BIM for operation and maintenance of a portion of Carleton Univer-sity’s 45 interconnected buildings. Major elements include: (1) development of highly-detailed BIM models for site and buildings; (2) conversion from BIM models to building per-formance simulation (BPS) models; (3) model validation us-ing measured data; (4) building Fault Detection and Diagnos-tics (FDD) using advanced algorithms and calibrated mod-elling; and (5) advanced building performance data visualiza-tion on top of 3D BIM model. This paper will describe the methodologies that are being developed while demonstrating the ongoing processes by a case study of Canal Building, a part of DCI project. While the project is only one year old, impactful examples have already demonstrated BIM as an in-valuable technology that improves indoor environment qual-ity, reduces energy costs, and has a potential application for asset management.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 ».