MétaCan
Menu
Retour à la cohorte
Enregistrement W7019908728

Impact on building energy performance by deployment of dynamic insulation in residential buildings in Canada

2023· other· en· W7019908728 sur OpenAlexaboutno aff

Notice bibliographique

RevueUVic’s Research and Learning Repository (University of Victoria) · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDynamic insulationEnergy consumptionSoftware deploymentThermal insulationThermalWork (physics)Passive coolingEnergy (signal processing)Efficient energy use
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This report summarizes the results of an analysis evaluating the energy performance of small residential buildings in Canada. Using the HOT2000, an energy simulation modelling program created and maintained by Natural Resources Canada, the goal of this work is to investigate dynamic insulations, run simulations, and assess the possible energy savings brought on by using dynamic insulation materials (DIMs) in exterior walls in place of conventional static insulation. DIMs can alter their thermal properties based on control procedures, unlike conventional static insulations, to accomplish desired goals. In this analysis, exterior walls with DIMs are controlled to minimize heating and cooling thermal loads in residential buildings, located in different climate zones in Canada. In particular, 2-step manual controls are used to switch the R-value of variable insulation between low and high levels based on the thermal interactions between the outside and inside a prototypical one-story home, thereby reducing heating and cooling requirements while maintaining thermal comfort. According to the analysis's findings, dynamic insulations can drastically lower the amount of energy needed to run heating and cooling systems. The use of 2-step control techniques operating DIMs, in particular, can lower yearly energy consumption by up to 44% for space cooling and by up to 33% for space heating, resulting in up to 36% annual energy savings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,260
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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUVic’s Research and Learning Repository (University of Victoria)Travaux en français237 207