MétaCan
Menu
Retour à la cohorte
Enregistrement W4221134837 · doi:10.1115/1.4054045

How to Cover Additional Cooling Load Needs During COVID-19 Pandemic?

2022· article· en· W4221134837 sur OpenAlexaff
Doğan Erdemir, İbrahim Dinçer

Notice bibliographique

RevueJournal of Energy Resources Technology · 2022
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésChillerCooling loadCoronavirus disease 2019 (COVID-19)Air conditioningEnvironmental scienceThermal energy storageWater coolingFresh airVentilation (architecture)Chiller boiler systemArchitectural engineeringComputer scienceWater chillerEngineeringMechanical engineeringHeat exchanger

Résumé

récupéré en direct d'OpenAlex

Abstract It has been crystal clear to everyone that the fresh air supply is one of the highest priorities to keep people under safe indoor conditions during the COVID-19 pandemic. In many buildings, either there are no mechanical ventilation systems or the air conditioning systems do not have adequate capacity to meet the additional cooling loads for the increased fresh air requirement. Providing fresh air without disturbing the thermal conditions in the building requires a substantially increased cooling load and operating costs. On the other hand, there may not be adequate power infrastructure to meet this additional energy demand item in many regions. In this technical brief paper, we aim to emphasize the importance of heat storage systems and provide a quick solution to illustrate that they can meet the fresh air demands without requiring additional chiller or chiller capacity. In addition, it is observed that heat storage systems can be a convenient solution to meet the urgent and additional cooling loads in a more sustainable way.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,025
Tête enseignante GPT0,258
Écart entre enseignants0,233 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetPhase Change Materials ResearchTravaux en français237 207