Daylighting software validation study and development of a simplified method to predict the energy impacts of facade design and daylighting control in private offices
Notice bibliographique
Résumé
Early design phase decisions can be critically important to the energy impact of a building. Building orientation and exterior aesthetics which drive window sizes and types are often made by architects and owners prior to the involvement of any daylighting or sustainability consultants. Because these designs can be difficult, if not impossible, to change as the design process proceeds, the need to inform and educate these decisions has led through this research to the development of a set of EnergyPlus based regression equations capable of predicting annual lighting, cooling, and heating loads of a private office design with minimal input. The ability to evaluate the impact of these three main energy consumption sources provides a complete picture of the consequences of design decisions that most other early design phase methods do not achieve. A test case using these equations calculated to within 4% to 8% of EnergyPlus simulation results.\nThe development of the regression equations began with a validation study of four daylighting programs: EnergyPlus Detailed, EnergyPlus DELight, DAYSIM, and SPOT. Full scale daylighting measurements recorded in an empty private office in Ottawa, Ontario by the National Research Council of Canada provided data to validate the daylighting software against with EnergyPlus Detailed method selected for its accuracy and runtime. EnergyPlus was then used to perform parametric simulations of various building design parameters from which the regression formulas are created. These formulas are produced for four US cities of varying climates to confirm the regression approach is transferable.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».