MétaCan
Menu
Retour à la cohorte
Enregistrement W4200543554 · doi:10.1088/1742-6596/2069/1/012015

Development of moisture reference years for assessing long-term mould growth risk of wood-frame building envelopes

2021· article· en· W4200543554 sur OpenAlexaff
Lin Wang, Maurice Defo, Abhishek Gaur, Michael Lacasse

Notice bibliographique

RevueJournal of Physics Conference Series · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHygrothermal properties of building materials
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésMoistureFrame (networking)Latin hypercube samplingIndex (typography)Set (abstract data type)Term (time)MathematicsStatisticsData setSelection (genetic algorithm)Environmental scienceEngineeringComputer scienceMeteorologyGeographyMonte Carlo methodMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract A moisture reference year (MRY) is generally used to assess the durability, or long-term performance of building envelopes within a long climatological time period, e.g. a 31 year timeframe. The intent of this paper is to develop a set of moisture reference years that can be used to assess risk to the formation of mould growth in wood-frame buildings over the long-term. The set of moisture reference years have been developed based on 15 realizations of 31-year climate data. Replicated Latin Hypercube Sampling is applied to select 15 sub-realizations with 7 representative years having different levels of moisture index (MI) from each realization. Thereafter, hygrothermal simulations are performed for a brick veneer clad wood-frame wall assembly using the 15 sub-realizations; that sub-realization which produces the highest value of maximum mould growth index over 7-year period is selected as the MRY. The selection process is then implemented for all 15 realizations of the 31-years of data sets, from which 15 sets of 7-year long MRYs are selected to represent the original 15 realizations. It is shown that the 15 sets of 7-year long MRYs can produce the same value of maximum mould growth index as well as the uncertainty as compared to the original 15 realizations having a 31-year climate data set.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,262
Écart entre enseignants0,228 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetHygrothermal properties of building materialsTravaux en français237 207