MétaCan
Menu
Retour à la cohorte
Enregistrement W4387087254 · doi:10.1115/es2023-107814

Urban Scale Cooling Load Prediction of High-Rise Buildings in a Hot and Arid Climate

2023· article· en· W4387087254 sur OpenAlexaff
Omar Z. Ahmed, Majd Moujahed, Nurettin Sezer, Liangzhu Wang, Ibrahim Hassan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésASHRAE 90.1Cooling loadArchetypeScale (ratio)Civil engineeringArchitectural engineeringEnvironmental scienceRetrofittingComputer scienceEngineeringMeteorologyMechanical engineeringGeographyStructural engineeringAir conditioningCartography

Résumé

récupéré en direct d'OpenAlex

Abstract This study employs an archetype-based modeling approach to estimate and analyze the urban scale cooling load profile of high-rise buildings in the Marina district of Lusail City, Qatar. Since the Marina district is a newly built district, the building typology and geometric characteristics are considered the main criteria for the selection of representative archetypes of the district. Three high-rise building archetypes are developed using EnergyPlus software to represent the available building stocks in the district, which are residential, commercial, and mixed-use. Required data for the input parameters are collected from various sources such as the Lusail City GSAS 2 Star Rating Guidelines, which define the minimum requirements in the region, ASHRAE 90.1, and ASHRAE 62.1 standards, along with user surveys when available. Detailed cooling load profiles of the three building archetypes are obtained in EnergyPlus, which enables aggregating the cooling loads to obtain the cooling load profile of the Marina district at various time resolutions. The cooling load profiles obtained after the simulation of each building archetype model in EnergyPlus are validated with real building cooling loads measured in the case study area. The developed cooling load profiles in this study can inform district cooling facilities for an optimal design and operation of the plant, reveal the energy-saving potential of buildings, and aid in defining cost allocations or billing strategies for end users without the need for the installation of zone-level submeter to each apartment unit. This study further contributes to the establishment of a representative building archetype library for hot and arid climate zones. Thus, the building archetype models produced for the Marina district in this study are also applicable to other regions with similar building types and climatic characteristics.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,183
Écart entre enseignants0,177 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort OptimizationTravaux en français237 207