MétaCan
Menu
Retour à la cohorte
Enregistrement W7062642394

Using Urban Building Energy Modeling to Develop Carbon Reduction Pathways for Cities

2022· dissertation· en· W7062642394 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueDSpace@MIT (Massachusetts Institute of Technology) · 2022
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueGyrotron and Vacuum Electronics Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNexus (standard)Urban resilienceUrban heat islandResilience (materials science)Key (lock)Efficient energy useSustainabilityUrban sustainabilityClimate change
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cities have been the nexus of economic activity and growth, but they have an insatiable appetite for energy. In response to the challenges and potential impact of climate change, cities and municipalities around the world are developing climate action plans to reduce carbon emissions and enhance resilience of their built environments. However, policymakers require a data-driven method to identify the most impactful, economical, and feasible strategies – and further translate these to actionable policy levers. This research serves to democratize and facilitate the wider use of urban building energy models in cities and municipalities.
\n
\nFirst, key applications and use cases of urban building energy modeling (UBEM) are identified, and a minimum viable UBEM is introduced for each use case. This framework streamlines computational requirements, data, and calibration needs, promoting more rapid development and utilization of UBEMs. Second, a web-based framework to rapidly generate UBEMs for carbon reduction technology pathways is developed, subsequently piloted in the City of Evanston, and found to significantly reduce time and resources needed for developing and utilizing UBEMs. The approach was further validated in collaboration with policymakers and researchers in eight cities – viz. Braga (Portugal), Cairo (Egypt), Dublin (Ireland), Florianopolis (Brazil), Kiel (Germany), Middlebury, VT (USA), Montreal (Canada), and Singapore. Finally, conventional UBEMs typically only incorporate building properties and characteristics. This dissertation also presents an exploratory approach – using supervised and unsupervised data science / machine learning methods – to integrate building properties with socio-economic data from census for better inference and understanding of energy use in cities
\n
\nEach approach is documented with the relevant results compared against conventional modelling workflows and / or validated through real-world urban case studies. The major contribution is the development and validation of methods and frameworks that can rapidly and automatically generate UBEMs to help cities and municipalities develop carbon reduction pathways to impact.

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 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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,598
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)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,314
Écart entre enseignants0,276 · 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