MétaCan
Menu
Retour à la cohorte
Enregistrement W4297497437 · doi:10.26868/25746308.2022.simbuild2022_c007

Evaluation of the Thermal Resilience of a Community Hub

2022· article· en· W4297497437 sur OpenAlexaboutno aff
Aylin Ozkan, Joel Good

Notice bibliographique

RevueASHRAE/IBPSA-USA Building Simulation Conference · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurvivabilityResilience (materials science)Baseline (sea)Duration (music)Building envelopeComputer scienceArchitectural engineeringEnvironmental scienceCertificationReliability engineeringEngineeringMeteorologyThermal

Résumé

récupéré en direct d'OpenAlex

The frequency of power outages as a result of climate pressures are increasing and community centres are relied on as areas of refuge. Therefore, designing these buildings with passive survivability in mind is important, and challanging due to its high occupancy and fresh air requirements. This paper aims to evaluate the design measures of a community hub in the Canadian province of Ontario through the thermal resilience metric of passive survivability using building performance simulations. This study compares the performance of design strategies from building certification programs commonly followed to achieve high-performance envelope design. These include Passive House, Zero Carbon Building and Ontario Building Code (OBC) compliance criteria. The performance indicator is defined as the duration of time that the buildings remain habitable until the arrival of help or repair in the event of an extended power outage. Using whole-building energy modeling a power outage is simulated and the building is forced to rely on passive means of maintaining comfort, the PH and ZCB cases show far improved thermal autonomy (60% and 49% acceptable, respectively) when compared to the code baseline (18%). The high-performance envelopes of the PH and ZCB cases also result in greater passive survivability performance in both extreme summer and winter conditions.

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)0,002
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: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,052
Tête enseignante GPT0,290
Écart entre enseignants0,238 · 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASHRAE/IBPSA-USA Building Simulation ConferenceMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207