MétaCan
Menu
Retour à la cohorte
Enregistrement W4396761666 · doi:10.1061/9780784485460.021

Performance Assessment of a CO <sub>2</sub> -Based Demand-Controlled Frost Resilient Dual-Core Energy Recovery Ventilation System for Northern Housing

2024· article· en· W4396761666 sur OpenAlexaff
Boualem Ouazia, Chantal Arsenault, Sador Brhane, Daniel Lefebvre, Patrique Tardif, Sandra Mancini, Greg Burns

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnergy and Environmental Systems
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésFrost (temperature)Dual (grammatical number)Core (optical fiber)Environmental scienceComputer scienceMeteorologyTelecommunicationsGeography

Résumé

récupéré en direct d'OpenAlex

To better address indoor air quality (IAQ) and mold issues in northern housing experiencing varying occupancies and indoor conditions, ventilation needs to become demand-controlled. Currently, heat/energy recovery ventilators (HRVs/ERVs) are commonly installed in northern communities and they offer constant or globally controlled airflows. Overcrowded homes are then under-ventilated, leading to higher indoor pollutants and moisture that need to be controlled. This study examines a method for providing adequate ventilation through control of ventilation based on occupancy and modulation of ventilation fans. This paper presents results from a side-by-side testing of a CO2-based demand-controlled dual-core ERV versus conventional single-core ERV with constant flow using twin houses with simulated occupancies. The implemented strategy based on a CO2 sensor network connected with a dual-core ERV continuously exhausting stale air from the kitchen and bathrooms was simple and efficient in adjusting ventilation rate based on occupancy rate. The potential of the CO2-based demand-controlled dual-core ERV system was evaluated based on its capability to control indoor CO2 levels, percentage of time kept below 1,000 ppm, and power consumption.

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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy and Environmental SystemsTravaux en français237 207