MétaCan
Menu
Retour à la cohorte
Enregistrement W4295151918 · doi:10.5829/ijee.2022.13.03.08

Review on Energy Efficiency using the Ecotect Simulation Software for Residential Building Sector

2022· article· en· W4295151918 sur OpenAlexaff
Nima Amani, Ardalan Sabamehr, L. M. Palmero Iglesias

Notice bibliographique

RevueIranica Journal of Energy and Environment · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringSimulation softwareEnergy consumptionEnergy conservationDaylightingBuilding energy simulationSoftwareEfficient energy useWork (physics)EngineeringEnergy modelingBuilding scienceComputer scienceEnergy performance

Résumé

récupéré en direct d'OpenAlex

The building sectors are recognized as one of the essential contributors of global warming and climate change because of their high energy use. The building sector is responsible for 40% of all energy usage and 40% of the CO2 emissions in the developed countries. Researchers in the world are working on energy management and conservation using simulation software to develop strategies that lead to an overall reduction of energy consumption in the buildings. This review is considered a modeling and simulation approach with a specific focus on residential building. Modeling and simulation methods reviewed are presented categorically as per the strategic approach adopted by the researchers. Simulation results available for residential building energy are also introduced. This research has reviewed the capabilities and performances on Ecotect simulation and modeling, including daylighting, solar radiation, thermal analysis, and shading for energy management and conservation of residential building. Different modeling and simulation approaches, from various building and climate, were reviewed and discussed. The analysis of present work greatly help the researchers' decision-making and selection of software to perform various simulations in energy management of residential buildings.

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 enseignants0,964
Score d'incertitude au seuil0,308

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 Opus0,016
Tête enseignante GPT0,222
Écart entre enseignants0,206 · 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

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIranica Journal of Energy and EnvironmentMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207