MétaCan
Menu
Retour à la cohorte
Enregistrement W3214804029 · doi:10.1088/1742-6596/2042/1/012152

Synchronized coupling of thermal mass and buoyancy ventilation: wood versus concrete

2021· article· en· W3214804029 sur OpenAlexaffabout
Lou Barrett, Jiwoong Jeong, R.J. Price, Cory Subasic, S Asselin, Remy Fortin, Andrew Freear, David M. Kennedy, Kiel Moe, Salmaan Craig

Notice bibliographique

RevueJournal of Physics Conference Series · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWind and Air Flow Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBuoyancyThermal massVentilation (architecture)AirflowScalingThermalMass flow rateCoupling (piping)MechanicsFlow (mathematics)Mass flowMaterials scienceEnvironmental scienceStructural engineeringMeteorologyEngineeringPhysicsThermodynamicsComposite materialMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract This study describes an experiment that validates scaling rules for the design of thermal mass, coupled with buoyancy ventilation, suggesting that wood can perform as well as concrete if these rules are respected. The scaling rules potentially offer a shortcut for early design, showing how to tune the interior temperature and rate of buoyancy ventilation by adjusting the thickness and surface area of an internal thermal mass. A pair of test chambers (H~1m), comparing wood and concrete internal thermal masses, were located in Alabama, USA and Montreal, Canada, and left outside in sun- and-wind-sheltered environments for consecutive months. The thermal mass thicknesses were optimized so the chambers would maintain similar interior temperatures and airflow rates. The scaling rules predicted the behavior of the chambers with reasonable accuracy and both the concrete and wood thermal masses performed equivalently. For instance, the test chambers in Alabama were both designed to damp the maximum exterior temperature by a factor 1-1/Ai ≈ 0.7 and produce a maximum ventilation flow rate of Q ≈ 0.37 l/s. The measured damping was 1-1/Ai = 0.81±0.1 and 1-1/Ai = 0.81±0.13 for the concrete and wood chambers, respectively, while the maximum flow rates were 0.374±0.03 and 0.36±0.04 l/s, respectively.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,309

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 Opus0,019
Tête enseignante GPT0,231
Écart entre enseignants0,212 · 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'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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetWind and Air Flow StudiesTravaux en français237 207