A Time-Dependent Model for Predicting Thermal Environment of Mono-Slope Solar Greenhouses in Cold Regions
Notice bibliographique
Résumé
Most greenhouses in the Canadian Prairies shut down during the coldest months (November to February) because of the hefty heating cost. Chinese mono-slope solar greenhouses do not primarily rely on supplemental heating; instead, they mostly rely on solar energy to maintain the required indoor temperature in winter. This study focuses on improving an existing thermal model, entitled RGWSRHJ, for Chinese-style solar greenhouses (CSGs) to increase the robustness of the model for simulating the thermal environment of the CSGs located outside of China. The modified model, entitled SOGREEN, was validated using the field data collected from a CSG in Manitoba, Canada. The results indicate that the average prediction error for indoor and relative humidity is 1.9 °C and 7.0%, and the rRMSE value is 3.3% and 11.5%, respectively. The average error for predicting the north wall and ground surface temperature is 4.2 °C and 2.3 °C, respectively. The study also conducted a case study to analyze the thermal performance of a conceptual CSG in Saskatoon, Canada. The energy analysis indicates the heating requirement of the greenhouse highly depends on the availability of solar radiation. Besides winter, the heating requirement is relatively low in March to maintain 18 °C indoor temperature when the average outdoor temperature was below –4 °C, and negligible during May–August. The results indicate that vegetable production in CSGs could save about 55% on annual heating than traditional greenhouses. Hence, CSGs could be an energy-efficient solution for ensuring food security for northern communities in Canada and other cold regions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».