MétaCan
Menu
← Retour à la cohorte
Enregistrement W4241001440 · doi:10.32920/ryerson.14663043

Analyzing impact of sensor coupling on measurement representativeness of wall surface temperature

2021· preprint· en· W4241001440 sur OpenAlexaff
Sadaf Mansour

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRepresentativeness heuristicCoupling (piping)Materiality (auditing)EmbeddingTemperature measurementThermalMaterials scienceAcousticsComputer scienceStatisticsMathematicsPhysicsArtificial intelligenceComposite materialMeteorologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Poor thermal-coupling between sensor and surface is one of the most important factors causing inaccuracy in measurement. Different methods had been suggested by scientists to solve this issue. Embedding the sensor into an object was one of these methods. The goal of these simulations was to assess the impact of sensor coupling on measurement representativeness of wall surface temperature. For this purpose, a cylindrically-shaped sensor was embedded into the internal surface of the wall assembly. The levels of tightness varied from 10% to 90%, which corresponded respectively from very loose to very tight conditions. Also, in this process the impact of other factors such size and materiality of the sensors’ accuracy were evaluated and discussed briefly. In this study, the results proved that as the sensor decoupled more from the surrounding environment, more accurate data was generated from it. Also, the results from the simulations signified the importance of the temperature difference between the wall surface and the indoor air temperature. The temperature difference had a direct relationship with sensor accuracy and measurement representativeness, where smaller temperature difference was associated with higher accuracy.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
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 savante0,0010,001
Science ouverte0,0000,001
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 Opus0,027
Tête enseignante GPT0,270
Écart entre enseignants0,243 · 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'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→