Calculation and Analysis of Carbon Emission of Ultra-low Energy Consumption Residential Buildings in Frigid Regions Based on the Emission Factor Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ultra-low energy buildings for building energy efficiency development, compared with traditional buildings have obvious advantages.This paper simulates ultra-low-energy residential buildings in severely cold regions through Software PHES, and calculates the energy-saving results of ultra-lowenergy residential buildings.The carbon emission factor method is analyzed, and the carbon emission factor is calculated at different stages in the life cycle of the building.Select ultra-low-energy residential buildings in cold regions for modeling, input meteorological parameters, indoor environmental parameters and internal disturbance settings, building envelope, and combine with heat recovery system to simulate the operation of ultra-low-energy residential buildings in cold regions.Analyze the indoor and outdoor temperature and humidity values of traditional houses and compare them with those of ultra-low-energy-consumption houses to verify the advantages of ultralow-energy-consumption residential buildings.Calculate the energy-saving efficiency of ultra-lowenergy residential buildings.Using the 9# residential building of RuihuYunshanfu in Datong as a practical verification case, this ultra-low energy residential building has a total life-cycle carbon emission of 171.078 tCO/a, with a unit area carbon emission of 16.415 kgCO/ma.Compared to the energy-saving design standards implemented in 2016, the carbon emission intensity is reduced by 60.02%, fully confirming the carbon reduction benefits of ultra-low energy residential buildings in severe cold regions.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle