MétaCan
Menu
Retour à la cohorte
Enregistrement W2947394504 · doi:10.1121/2.0001005

Exploring acoustical approaches for pre-screening the airtightness of building enclosures

2018· article· en· W2947394504 sur OpenAlexaff
Umberto Berardi, Sanam Pouyan

Notice bibliographique

RevueProceedings of meetings on acoustics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésEnclosureSoundproofingBuilding envelopeSound transmission classInfiltration (HVAC)EngineeringAcousticsComputer scienceTransmission lossStructural engineeringEnvironmental scienceCivil engineeringTelecommunicationsMeteorology

Résumé

récupéré en direct d'OpenAlex

The air infiltration through the building enclosure plays a significant role in the energy performance of a building and in the ability to obtain comfortable conditions. The building airtightness is typically detected using experimental tools such as blower door devices, together with other approaches such as tracer gas methods. However, the estimation of the building airtightness through these methods can be expensive, time-consuming, and dependent on weather conditions. The importance of a rapid estimation of the air infiltration through a building envelope suggests to search for easier assessing methods. In this paper, the acoustic method as proposed in the ASTM E1186 is considered, and the correlations between the sound transmission loss of several windows and their airtightness levels are explored. The results reveal a poor correlation between the airtightness of the windows and their sound insulation performance. However, the weak relationship discourages the use of simple acoustic approaches based on the simple sound transmission loss assessment and reinforces the need to adopt beamforming techniques for accurate assessments of building enclosure deficiencies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,125
Tête enseignante GPT0,289
Écart entre enseignants0,164 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of meetings on acousticsMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207