Room-level data of Simulated Energy consumption and Ventilation dynamics (RSimEV)
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
This dataset offers simulated data that includes various parameters impacting energy consumption and ventilation across diverse building scenarios. The simulations encompass various room types within buildings of varying shapes and sizes. Comprising a total of 312 CSV files, each file corresponds to simulations conducted in different rooms within buildings with random parameters. Each building undergoes 200 simulations for a one-month period, with the month randomly chosen to account for different weather conditions. Locations are randomly selected from three regions in the north hemisphere: 1) Dusseldorf, North Rhine-Westphalia, Germany; 2) Tehran, Tehran, Iran; and 3) Brockville, Ontario, Canada, representing three climate zones (mixed, warm, and cold). The simulations yield hourly results, resulting in file sizes ranging from 144,000 (representing 200 simulations over 24 hours for 30 days) to 148,800 data rows (for simulations spanning 31 days). Each CSV file is structured with 55 columns, capturing a comprehensive set of attributes relevant to energy consumption and ventilation dynamics. The collective dataset includes 45,562,639 rows, presenting a robust foundation for in-depth analysis and exploration of the intricacies of building performance across many conditions and configurations. It's essential to note that users are accountable for any risks associated with the dataset's utilization, and the creators explicitly disclaim responsibility for specific applications or outcomes. Detailed information on dataset columns and their units is available in the accompanying "readme.txt" file.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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