Examining the impact of stochastic multi-year weather and air infiltration on hygrothermal moisture risks
Notice bibliographique
Résumé
The analysis of heat, air, and moisture (H.A.M.) transport for building envelopes are known to be highly dependent on climate loads and air infiltration rates. Moisture content within the assembly is often a key H.A.M. analysis outcome to assess risk and transport behavior. ASHRAE Standard 160-2016 states that building envelope H.A.M. analysis should be done using moisture design reference data or using a minimum of 10 consecutive years of weather. While there has been progress and methods for selecting or designing moisture reference years there has been a lack of study in the impact of multi-year (particularly 10-year) weather scenarios on simulation results in comparison to reference year simulations. This paper presents research using stochastic 1, 2, and 10-year weather data and air infiltration rates to study the range of simulated moisture content outcomes for four wall assemblies in Philadelphia and compares these to the outcomes when using reference years. Results from the study show that air infiltration, starting month, and multi-year duration have significant impacts on simulated moisture content, mold, and corrosion analysis results. Regression analysis using annual averages of climate input parameters did not yield useable models for selecting weather years, however an estimated mold index value using outdoor climate data may be useful in selecting weather years with varying starting months for mold growth assessment.
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 ».