MétaCan
Menu
Retour à la cohorte
Enregistrement W3189901702 · doi:10.3390/designs5030048

Optimization of Controlled Mechanical Ventilation Systems for Indoor Acoustic Comfort

2021· article· en· W3189901702 sur OpenAlexfundno aff
Nicola Granzotto

Notice bibliographique

RevueDesigns · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesAlberta-Pacific Forest Industries
Mots-clésDoorsThermal comfortApartmentNoise (video)Indoor air qualityAcousticsVentilation (architecture)Automotive engineeringNatural ventilationSimulationAirflowEnvironmental scienceComputer scienceEngineeringMechanical engineeringMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

The indoor air quality inside living spaces is a fundamental factor in providing adequate comfort. In order to do this, a minimum air exchange must be ensured. This can be obtained by means of natural or mechanical ventilation or using the Controlled Mechanical Ventilation system (CMV). CMV ensures better energy performance, as in the winter period, the warm air that comes out of the building preheats the cold air that enters, and the opposite occurs in the summer period. A possible problem with CMV is the noise of the fans due to the movement of air and to the electric motor rotation. This work presents the results of acoustic measurements performed on an apartment equipped with CMV, operating in a single and simultaneous mode. Acoustic simulations are also presented using raytracing software on three typical apartments. The acoustic simulation carried out using an adequately calibrated 3D model has proved to be a valid support for the study of noise in rooms connected by doors and corridors. By differentiating the fan speed of the CMV, a considerable acoustic comfort improvement was obtained in the bedrooms and in the living room/kitchen. Class I for living rooms and class I or II for bedrooms according to the EN 16798-1 standard were achieved through speed optimization.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,023
Tête enseignante GPT0,227
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 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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesignsMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207