MétaCan
Menu
Retour à la cohorte
Enregistrement W4319599376 · doi:10.3390/su15042998

A Critical Analysis of the Energy Requirements of a Commercial Building Based on Various Types of Glass Insulations

2023· article· en· W4319599376 sur OpenAlexaff
Jamal Umer, Abdullah Altamimi, Ahmad Raza Khan Rana, Zafar A. Khan, Muhammad Imran, Muhammad Awais, Saeed Alyami

Notice bibliographique

RevueSustainability · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensEmissions Reduction Alberta
Organismes subventionnairesnon disponible
Mots-clésFloat glassEnvelope (radar)HVACBuilding envelopeEnergy consumptionProcess engineeringEnvironmental scienceCapital costEnergy (signal processing)Materials scienceMechanical engineeringComputer scienceThermalComposite materialEngineeringAir conditioningMathematicsStatisticsElectrical engineeringThermodynamicsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Heat loss through the building envelope comprises air leaks through the cracks and largely through the windows, which is the weakest link of the thermal envelope. Therefore, it is necessary to devise a systematic approach to analyze the rightful selection of glass for buildings. The investigation is to analyze the energy-saving potential of different glasses and their comparisons to the initial capital cost to find the payback time in terms of energy saving by using two different types of equipment. The quantitative simulation study was completed on the Hourly Analysis Program (HAP) to analyze the annual energy consumption of the HVAC system for seven glasses and two types of chilled water equipment. The results show that the performance glasses with a tint had better efficiency in terms of energy saving, with a payback time of 3–7 months. A comparison of all glasses illustrated that float glass contributes the most to the total cooling load among all glasses, which were 5.04%, 5.7%, 7.6%, and 8.9% for the N, S, E, and W orientations, respectively. Moreover, the lowest contribution of glass to the total cooling load was given by tinted double-glazed glass, which was 2%, 2.3%, 3.0%, and 3.01% for N, S, E, and W orientations, respectively.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetBuilding Energy and Comfort OptimizationTravaux en français237 207