Home Thermal Modeling: Cooling Energy Consumption and Costs in Saudi Arabia
Notice bibliographique
Résumé
<p><strong>Objectives: </strong>The consumption of electricity and its costs are expected to be increased in Saudi Arabia due to its rapid growth in population. As the Kingdom is characterized by extreme hot climate, a massive amount of electricity consumed by the residential sector goes to power air conditioners. To control this huge amount of energyconsumedin homes, thermal models have been generated with two or more parameters. <strong>Methodology: </strong>The households’ surveys have been conducted in order to collect the data. The Non-linear regression analysis has been carried out to obtain the outcomes of study. Moreover, household surveys have been conducted for data collection. The grid algorithm and the non-linear regression have been used to learn the parameters in the model to simulate the weather in Saudi Arabia. The temperature loggers have been placed in the houses to observe the behavior of residents of using cooling system. The web forecast has been used to analyze the temperature of cities on hourly basis. <strong>Results: </strong>Simple thermal model has been built using two parameters by applying the grid and non-linear regression methods for data fitting. Then the thermal model with envelope has also been created using four parameters by applying non-linear regression method for data fitting. <strong>Conclusion: </strong>It has been evaluated through outcomes that thermal model with envelope is better as compared to simple thermal model. Moreover, the data fitting by non-linear regression method has also been observed to perform better than data fitting by grid method.</p>
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 | 0,000 |
| 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 ».