MétaCan
Menu
← Retour à la cohorte
Enregistrement W7096122451

ABSTRACT

2016· article· en· W7096122451 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueBuilding Energy and Comfort Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetric (unit)Quarter (Canadian coin)Linear regressionEnergy (signal processing)Air conditioningMetreSeasonality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Test and Rating procedure was adopted by the US Department of Energy in 1979 to provide consumers with a relative indication of seasonal air conditioner efficiency. A quarter century later, experience suggests that SEER is not an adequate measure or metric for meeting the regional needs of homeowners and utilities. For instance, in hot-dry climates SEER does not provide an adequate prediction of seasonal energy costs for consumers or peak demand impacts on electric utilities. Similarly, in hot, humid climates, SEER does not consider the dehumidification performance of a cooling system, which is critically important to customers. New testing and rating procedures may be required to address these market changes. This paper evaluates one potential improvement to the SEER procedure: a regional SEER that could incorporate weather data to better predict seasonal performance. The bin-calculated SEER is calculated for various TMY2 locations and compared to the seasonal efficiency predicted by a detailed hourly simulation model. The nominal SEER for the modeled air conditioning unit was 11.7 Btu/Wh. The seasonal efficiencies predicted by the simulation model for 19 US locations ranged from 10.3 to 11.9 Btu/Wh. The bin-calculated SEER that uses location-specific bin data accounts for about half of the SEER variation. The remaining portion of the SEER variation is due to different humidity conditions entering the indoor coil in various climates. The concept of the regional SEER would provide consumers with a better indication of the energy efficiency and could be calculated using the same set of test data that manufacturers now collect on their systems (i.e., no additional test burden for manufacturers).

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,4690,268

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 Opus0,005
Tête enseignante GPT0,165
Écart entre enseignants0,160 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBuilding Energy and Comfort Optimization→Travaux en français237 207→