MétaCan
Menu
Retour à la cohorte
Enregistrement W4412204577

IEA EBC Annex 80 - Dynamic simulation guideline for the performance testing of resilient cooling strategies:Version 2

2023· report· en· W4412204577 sur OpenAlexaff
Chen Zhang, Ongun Berk Kazanci, Shady Attia, Ronnen Levinson, Sang Hoon Lee, Peter Holzer, Ramin Rahif, Agnese Salvatif, Anaïs Machard, Mamak Pourabdollahtootkaboni, Abhishek Gaur, Bjarne W. Olesen, Per Heiselberg

Notice bibliographique

RevueORBi (University of Liège) · 2023
Typereport
Langueen
DomaineEngineering
ThématiqueFire dynamics and safety research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésGuidelineEnvironmental scienceComputer scienceReliability engineeringOperations researchEngineeringMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The objective of Annex 80 is to develop, assess and communicate solutions for resilient cooling. The systematic assessment of resilient cooling strategies is one of the main activities of Annex 80. The previous approach for assessing the resilience of cooling strategies is mainly based on qualitative comparison and based on results from individual research, which lacks common boundary conditions and universal indicators for resilience evaluation. This study aims to provide a consistent approach for assessing the resilience of different cooling strategies by dynamic simulation. Various cooling strategies will be tested on the reference buildings under present and future weather conditions in different climate zones, and proposed key performance indicators will be applied to evaluate summertime overheating risk and climate resistance of cooling strategies.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,204
Score d'incertitude au seuil0,803

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,054
Tête enseignante GPT0,303
Écart entre enseignants0,248 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueORBi (University of Liège)Même sujetFire dynamics and safety researchTravaux en français237 207