MétaCan
Menu
Retour à la cohorte
Enregistrement W4402862906 · doi:10.3390/app14198640

Application of Thermal Batteries in Greenhouses

2024· article· en· W4402862906 sur OpenAlexaff
Seyed Soheil Mousavi Ajarostaghi, Leyla Amiri, Sébastien Poncet

Notice bibliographique

RevueApplied Sciences · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

One of the key issues confronting modern greenhouses is the need to supply the necessary energy in an environmentally friendly manner to facilitate heating and cooling processes within greenhouses. Solar radiation entering the greenhouse during the day can sometimes be more than the energy demand of the greenhouse. In contrast, there are cases where the greenhouse must dissipate a significant amount of heat, absorbed over a long period, either naturally or forcibly, during the cooling process. Moreover, the system’s efficiency could be enhanced if there is a mechanism capable of capturing heat expelled during greenhouse cooling and redistributing it on demand. Employing thermal energy storage is critical for maintaining stable temperatures, assuring energy efficiency, encouraging sustainability, and enabling year-round production. This technique ensures a safe environment for crops and eliminates temperature fluctuations inside the greenhouse. Nocturnal thermal energy storage, storing thermal energy during the daytime for later use at night, is essential to managing a contemporary greenhouse because it promotes consistent crop growth, sustainability, and profitability, particularly in areas with severe winters and significant day-to-night temperature variations. This work reviews various types of thermal energy storage systems employed in previous works focusing on greenhouse applications by researchers and categorizes them based on efficient factors.

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)0,001
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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207