Asymmetries in global building envelope air infiltration and tightness data: Exploring knowledge gaps for accurate energy analyses
Notice bibliographique
Résumé
Air infiltration is one of the leading causes of energy loss and heat gain in indoor building spaces. It significantly burdens energy use for heating and cooling, affects indoor comfort and air quality, and increases CO2 emissions, intensifying climate change. While extensive field test results have been reported in the literature, this paper aims to investigate the comprehensiveness of this published data. The research synthesizes published field test data from more than 60 sources to provide benchmark infiltration values for different building typologies, construction methods, and climate zones. Additionally, climate data estimates the average energy burden of infiltration across various climate zones. The analysis highlights critical gaps in envelope infiltration data collection for non-residential buildings and significant gaps in geographic regions outside Europe, the U.S.A., and Canada. This paper presents three main guiding questions addressing key research gaps related to air infiltration in buildings and its impact on energy performance and indoor comfort. The proposed questions and answers aim to build upon existing knowledge, provide valuable insights for ongoing and future research, and inspire exploration into innovative strategies for improving building energy efficiency and occupant well-being. It also provides a list of actionable recommendations for air infiltration testing and research to address the now-apparent gaps. • The research is a comprehensive systematic study of air infiltration knowledge across building typologies and climate zones. • Field measurements are synthesized to find trends and gaps in the currently available data. • This study investigates how air infiltration affects energy consumption and building performance simulations. • This research helps integration of field measurements into energy simulation models to enhance accuracy and reliability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,012 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».