MétaCan
Menu
Retour à la cohorte
Enregistrement W2912963898

Thermal performance and energy efficiency of PCM integrated buildings in eight cities located in snow, fully humid with warm summer climate region

2019· dissertation· en· W2912963898 sur OpenAlexaboutno aff
Baurzhan Jangeldinov

Notice bibliographique

RevueNazarbayev University Repository (Nazarbayev University) · 2019
Typedissertation
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSnowEnvironmental scienceClimatologyClimate zonesGeographyClimate changeMeteorologyEnergy performanceEfficient energy useThermalAtmospheric sciencesThermal comfortPhysical geographyEngineeringGeology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Phase change materials have been applied into building framework to reduce energy and fossil fuel consumption as well as make building sector more sustainable.. In this study, the energy consumption assessment of lightweight twostorey PCM-enhanced residential house placed at different eight locations (Helsinki, Kiev, Saint-Petersburg, Moscow, Stockholm, Toronto, Montreal and Kiev) restricted by Dfb climate region will be evaluated. The number of iterations were performed by DesignBuilder software combined with Energy Plus engine by applying eleven melting temperature ranges of PCM. The output shows that the optimal PCMs have reduced the temperature swings up to 2.4 ℃. The performance of PCM is not constant for the monthly assessment basis, hence every month different PCM have performed efficiently. The optimal PCM variance is between the thermal comfort zone (20-26℃) and depends on the geographical parameters. For the indicator cities, the energy consumption varies from 2,81% to 5,72%. The volumetric assessment may be shows that the efficient performance of PCM increases with expansion of surface area combined with reduction of thickness. Overall, the enhancement of PCM into building framework in residential building located in Dfb climate region is feasible option.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,004
Tête enseignante GPT0,144
Écart entre enseignants0,141 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNazarbayev University Repository (Nazarbayev University)Même sujetBuilding Energy and Comfort OptimizationTravaux en français237 207