MétaCan
Menu
Retour à la cohorte
Enregistrement W2943862571 · doi:10.1155/2019/5243737

Energy Consumption Analysis of a Large Building at Memorial University

2019· article· en· W2943862571 sur OpenAlexafffundabout
Almahdi Abdo-Allah, M. Tariq Iqbal, Kevin Pope

Notice bibliographique

RevueJournal of Energy · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesCanadian Bureau for International Education
Mots-clésHVACEnergy consumptionAir conditioningVentilation (architecture)Energy (signal processing)Environmental scienceBuilding energy simulationArchitectural engineeringBuilding modelProcess (computing)Efficient energy useComputer scienceMeteorologyEngineeringSimulationEnergy performanceMechanical engineeringElectrical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

In this paper, energy consumption analysis and a process to identify appropriate models based on heat dynamics for large structures are presented. The analysis uses data from heating, ventilation, and air-conditioning (HVAC) system sensors, as well as data from the indoor climate and energy software (IDA Indoor Climate and Energy (IDA-ICE) 4.7 simulation program). Energy consumption data (e.g., power and hot water usage) agrees well with the new models. The model is applicable in a variety of applications, such as forecasting energy consumption and controlling indoor climate. In the study, both data-derived models and a grey-box model are tested, producing a complex building model with high accuracy. Also, a case study of the S. J. Carew building at Memorial University, St. John’s, Newfoundland, is presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,171
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,192
Écart entre enseignants0,187 · 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 tête enseignante, 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

Citations5
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of EnergyMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207