Hygrothermal behavior of flat cool and standard roofs on residential and commercial buildings in North America
Notice bibliographique
Résumé
Installing roofs with high solar reflectance and high thermal emittance, known as “Cool roofs”, are becoming popular because of their cooling energy saving potentials, cost effectiveness and sustainability. Cool roofs may affect the hygrothermal performance of roofing systems and hence their performance should be characterized in different climates. \nWe simulated the performance of several roofing systems including: Typical, smart, and self-drying roofs for residential and commercial buildings. In addition, we proposed vented roofs with smart vapor retarders in different climate regions across North America. We also developed an algorithm to investigate the effect of snow on hygrothermal behaviour of black and white roofs. \n Results showed that office buildings never experience moisture accumulation problem in the simulation period (5 years). In residential buildings, white typical roofing compositions with conventional vapor retarders experienced moisture accumulation problems in cities such as Anchorage, Edmonton and St. John’s. Using smart vapor retarder (smart roofs) or self-drying roofs helped to decrease risk of moisture accumulation. We showed that in these climates, adding a ventilated air space along with using smart vapor retarder eliminated risk of moisture accumulation and prevented excessive OSB (oriented strand board) moisture content. Furthermore, our simulation results showed that risk of mold growth was significantly lower in vented smart roofs than other systems. Simulating the effect of snow on the roof for Anchorage, Montreal and Chicago showed that the hygrothermal performances of white roofs improved with snow accumulation on the roof.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».