MétaCan
Menu
Retour à la cohorte
Enregistrement W4409576546 · doi:10.61091/jcmcc127a-103

An investigation of algorithmic simulation efficiency of BIM synergistic green new energy fire protection technology in high-rise building water supply and drainage system design

2025· article· en· W4409576546 sur OpenAlexvenueno aff
Xinyan Chen

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderground infrastructure and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArchitectural engineeringEfficient energy useDrainageEnvironmental scienceDrainage system (geomorphology)Civil engineeringComputer scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The steady development of economy makes the number of high-rise buildings increasing, and the water supply and drainage system becomes an important part of high-rise building construction. The purpose of this paper is to explore the drainage efficiency and fire fighting efficiency of BIM and green new energy in water supply and drainage system. Revit Mep software is mainly used to design the fire fighting module in the drainage system of high-rise buildings by combining BIM technology and new energy. A simulation mathematical model of water supply and drainage efficiency (including fluid control equations, etc.) was designed, and simulation experiments were conducted on the fire treatment efficiency of green new energy fire protection technology. The investigators’ ratings of the evaluation indexes of the water supply and drainage system design of BIM synergistic green new energy fire protection technology ranged from 4.06 to 4.54, indicating the feasibility of the approach. When the building floor is 25 floors, the water supply and drainage efficiency of the system in this paper is 80.45% and 84.52%, respectively. The fire fighting simulation experiment shows that the green new energy fire fighting technology integrating BIM can reduce the temperature of the room to 200~500℃ in 5 minutes. In the experiment, the method can extinguish the fire quickly and the residual concentration of smoke after extinguishing can be reduced to the normal range.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,005
Tête enseignante GPT0,211
Écart entre enseignants0,206 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetUnderground infrastructure and sustainabilityTravaux en français237 207