Scenario uncertainties assessment within whole building LCA
Notice bibliographique
Résumé
Abstract Uncertainties evaluation is increasingly gaining traction within life cycle assessment (LCA), due to its key role as environmental decision support tool. When applied at whole-building scale, the large variety of materials, subjective choices and long lifespans introduce parameter, scenario and model uncertainties throughout the life cycle. Since normative choices are unavoidable within whole-building LCA (wbLCA), in this article we carried out a so-called ‘scenario’ uncertainty assessment for one illustrative case study. First, three uncertainty sources were selected, to include the two drivers most frequently cited in literature (reference service life and end of life management alternatives) and material wastage, a relevant issue to factor in variable construction optimization levels in contexts like Brazil. Cumulative energy demand (CED) and CML 2001 v.2.05 methods were used for calculating deterministic values of non-renewable embodied energy and global warming potential in SimaPro 7.3 The uncertainty assessment combined scenario analysis, stochastic modelling (Monte Carlo simulation of triangular probability distributions for the uncertainty drivers investigated) and global sensitivity analysis (GSA). The GSA confirmed the dominant contribution of the operational phase - strongly influenced by components replacement rate - to of life cycle non-renewable embodied energy and global warming potential result variance, whilst construction and end of life stages showed no correlation with life cycle results. Findings from this research also highlight the strategic importance of gathering service life information adherent to the assessed context. Building components replacement rates induced by the Brazilian standard are overestimated relatively to international figures used in LCAs worldwide.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».