MétaCan
Menu
Retour à la cohorte
Enregistrement W3023450569 · doi:10.1139/cjce-2019-0551

Benchmarking of water consumption and waste management in multi-unit residential buildings (MURBs) in Toronto

2020· article· en· W3023450569 sur OpenAlexaffvenueabout
Mahssa Ghajarkhosravi, Yirong Huang, Alan S. Fung, Rakesh Kumar, Vera Straka

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Building Design and Assessment
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingUnit (ring theory)Environmental scienceMunicipal solid wasteSustainabilityRanking (information retrieval)Water useWaste managementGreenhouse gasConsumption (sociology)Environmental engineeringEnvironmental economicsEngineeringBusinessComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Water and solid waste benchmarking and developing meaningful performance indicators can help government and building owners to make effective decisions on improving their buildings’ efficiency and sustainability. For this study, information on 120 multi-unit residential buildings (MURBs) has been collected and analyzed. The study entails the following steps: performing water and solid waste benchmarking for the 120 MURBs, developing meaningful performance indicators; determining performance ranking; and estimating different levels of savings (water, solid waste, cost, and GHG emissions). The most appropriate performance indicator and the benchmarking range for water and solid waste are as follows: water consumption normalized by square metre, 1.06–4.19 m 3 /m 2 ; solid waste benchmarking normalized by number of units, 1.58–17.4 yd 3 /unit. Also, the MURBs domestic hot water system efficiencies are found to be very low (with overall system efficiency in the range of 35% to 45%). A relatively strong correlation is found between annual natural gas consumption and annual water consumption.

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 enseignants0,083
Score d'incertitude au seuil0,961

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 Opus0,014
Tête enseignante GPT0,219
Écart entre enseignants0,205 · 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

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetSustainable Building Design and AssessmentTravaux en français237 207