MétaCan
Menu
Retour à la cohorte
Enregistrement W4233927087 · doi:10.32920/ryerson.14644179

Using Calibrated Simulation to Quantify the Energy Savings From Residential Passive Solar Design in Canada

2021· preprint· en· W4233927087 sur OpenAlexafffundabout
Hayes E. Zirnhelt

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesLawrence Berkeley National LaboratoryNatural Resources CanadaU.S. Department of Energy
Mots-clésPassive solar building designGlazingEnvironmental sciencePassive houseLow-energy houseThermal massSolar energyThermalBuilding energy simulationEnergy consumptionMeteorologySimulationEngineeringEfficient energy useCivil engineeringEnergy performanceGeographyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Energy savings from passive solar design applied to a typical Canadian house were quantified using calibrated whole building energy simulation. A detailed energy simulation model was created for a research house which represents a typical Canadian tract house with basic passive solar measures. The model was calibrated to measured furnace gas consumption data. Eight design scenarios were evaluated for eight climate locations. Design parameters included increased thermal mass, increased south window area, and high performance windows. In addition, an advanced house scenario was evaluated which featured optimized geometry, a further increase in south window area, high thermal mass, advanced glazing, and no north facing windows. For the typical house predicted solar heating fractions ranged from 20% to 34% with basic passive solar measures, and 35% to 52% for more aggressive passive solar measures. For the advanced house predicted solar fractions ranged from 40% to 69%.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil0,810

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 Opus0,032
Tête enseignante GPT0,233
Écart entre enseignants0,201 · 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'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

Citations14
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort OptimizationTravaux en français237 207