Optimizing hybrid insulation systems for diverse climates: A comparative analysis of composite material combinations in residential buildings
Notice bibliographique
Résumé
With increasing concerns over global warming and climate change, achieving environmental sustainability in residential construction has become a priority. Traditional insulation materials often struggle to maintain optimal thermal and energy efficiency across varying climatic conditions, highlighting the need for innovative hybrid systems. This study systematically evaluates hybrid insulation systems through simulation-based analysis and a multi-objective mathematical model to optimize energy performance in residential buildings. Simulations were conducted to analyze different material configurations in two distinct Canadian climates: the mild conditions of Vancouver and the cold environment of Winnipeg. The assessment considered thermal resistance, energy consumption, and operational emissions. A multi-objective binary integer programming model was developed to prioritize material combinations based on five key criteria: accessibility to materials, total energy consumption, operational cost, operational environmental impacts, and societal aesthetics. The model incorporated priority weights to align with diverse stakeholder preferences, enabling decision-makers to tailor the optimization process based on specific goals. The results demonstrate that Combination 4, comprising limestone, oriented strand board (OSB), and clay tiles, consistently outperformed other configurations in both climates. In Vancouver, this combination reduced energy consumption by 47.7% compared to a conventional 6-inch concrete wall, while in Winnipeg, it achieved a 49.8% reduction. Furthermore, Combination 4 exhibited the lowest operational emissions and costs, making it the most cost-effective and sustainable choice. These findings provide valuable insights for architects, policymakers, and construction professionals seeking resilient, energy-efficient, and environmentally sustainable insulation solutions adaptable to diverse climatic conditions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».