MétaCan
Menu
Retour à la cohorte
Enregistrement W7008020748

Analyse du comportement thermique d'une serre munie d'un système de stockage de chaleur souterrain

2000· other· fr· W7008020748 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2000
Typeother
Languefr
DomaineComputer Science
ThématiqueEconomic Growth and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeat flowSugar industryAluniteLimiting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Afin de mieux gérer la consommation énergétique des serres agricoles québécoises, le projet ÉCHAS fut mis sur pied au sein du groupe de recherche THERMAUS du département de génie mécanique de l'Université de Sherbrooke. Ceci est la dernière phase du projet ÉCHAS (ÉCHangeur-Accumulateur de chaleur dans le Sol des serres). Ce projet vise à mieux comprendre la dynamique thermique des serres québécoises et à analyser leur comportement thermique lorsqu'elles sont munies d'un système de stockage de chaleur dans le sol de type ÉCHAS. Tout d'abord, la modélisation de la serre sur le logiciel commercial TRNSYS et la modélisation du sol et de l'ÉCHAS sur un code numérique développé pour le projet (baptisé Biko) sont exposés. Ces modèles sont validés par des données expérimentales et par la comparaison de leur réponse avec d'autres modèles connus. L'union de ces deux modèles permet de faire des simulations numériques de différents systèmes serres-ÉCHAS, selon leur localité géographique, leur stratégie d'exploitation (températures de confort, intégration à la ventilation normale à celle de l'ÉCHAS), et la construction de l'ÉCHAS (isolation, nombre de conduits, sol humide ou saturé, etc.). Les résultats montrent que l'ÉCHAS peut être très performant (très bon ratio énergie stockée sur énergie récupérée) et efficace (bonne économie de chauffage et d'énergie) selon sa construction et son exploitation. Il peut facilement permettre des économies de chauffage de l'ordre de 15-20%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,187
Écart entre enseignants0,175 · 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.

Devis d'étudeObservationnel
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

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetEconomic Growth and DevelopmentTravaux en français237 207