IEA EBC Annex 80 "Typical and extreme weather datasets for studying the resilience of buildings to climate change" (Version 1.0)
Notice bibliographique
Résumé
Project: IEA EBC Annex 80 Resilient Cooling for Buildings - Weather data - The Annex 80 (https://annex80.iea-ebc.org/) is a project by the International Energy Agency - Energy in Buildings and Communities programme(https://www.iea-ebc.org/). The Annex 80’s main objective is to support a rapid transition to an environment where resilient low energy and low carbon cooling systems are the mainstream and preferred solutions for cooling and overheating issues in buildings. Resilient Cooling is used to denote low energy and low carbon cooling solutions that strengthen the ability of individuals and our community as a whole to withstand, and also prevent, thermal and other impacts of changes in global and local climates. Summary: This experiment collects the datasets created by the "Weather Data" group of the IEA EBC Annex 80 “Resilient Cooling for Buildings” project. These are datasets of current and future weather files for building energy performance simulation covering 15 locations in ten climate zones worldwide. The datasets contain ambient air temperature, relative humidity, atmospheric pressure, direct and diffuse solar irradiance, and wind speed at hourly resolution, which are essential climate elements needed to undertake building simulations. The datasets include typical and extreme weather years in the EnergyPlus weather file (EPW) format and multi-year projections in comma-separated value (CSV) format for three periods: historical (2001-2020), future mid-term (2041-2060), and future long-term (2081-2100). The weather files were generated based on the climate projections from the Regional Climate Model (RCM) MPI-RCA4, then bias-corrected using multiyear observational data for each city. The weather files are ready to be used in building energy simulations and systems design for adaptation and resilience studies. The EPW is a weather file format used to run simulations in EnergyPlus. EPWs are text files and can be opened and edited in any text editor, spreadsheet tools or open-source software tools for creating and editing customised weather files, such as the Element software developed by Big Ladder Software (https://bigladdersoftware.com/projects/elements/). The EnergyPlus Auxiliary Programmes document (attached Additional Info) describes EPW weather data and provides general information on weather data for energy simulations and weather file conversion. Funder: - The Assistant Secretary for Energy Efficiency and Renewable Energy, Building Technologies Office, of the U.S. Department of Energy under Contract No. DE-AC02-05CH11231 - The Horizon 2020 project 0E-BUILDINGS, Grant agreement ID: 101024627 - The Marie Skłodowska-Curie grant agreement Nº 101024627 - The Fraunhofer Internal Programs under Grant No. Attract 003-695033 - Det Energiteknologisk Udviklingsog Demonstrations Program (EUDP) under grant 64018-0578
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,021 |
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 ».