Understanding the role of moisture recovery in indoor humidity: An analytical study for a Norwegian single-family house during heating season
Notice bibliographique
Résumé
Providing a high-quality indoor environment with appropriate indoor humidity levels for residential buildings is essential for good physical and mental health, occupant comfort, and long-term building performance. The role of moisture recovery in indoor humidity levels in cold climates has long been the subject of controversy; scholars have debated whether it ameliorates the problem of "too dry" air or causes a new problem of "too humid" air. The current study examines a method using moisture balance equations integrated with moisture recovery to analyse moisture recovery's effect in cold climates. A virtual single-family house in Oslo, Norway, was used to demonstrate the impact of moisture recovery on humidity levels in the kitchen, bathroom, bedroom and living room. The results show that moisture recovery has varying influences on indoor humidity depending on the intensity of moisture recovery, moisture production and ventilation. The indoor moisture production and humidity levels were validated against large-scale field measurements in residential buildings. For the virtual single-family house, the optimal moisture recovery effectiveness is about 50–60% with a 2-min interval, as the "too dry" air (RH<20%) issue is eliminated while the risk of "too humid" air (RH>80%) is not exacerbated. This work also identifies the possibility of controlling or optimising indoor humidity by altering the energy recovery system's moisture recovery effectiveness. Furthermore, the study's findings can be used to optimise thermal comfort or assess epidemiological risk in terms of the impact of indoor humidity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».