Evaluation of the applicability of ASHRAE’s damage function model to predict moisture severity of the climate for Canadian locations
Notice bibliographique
Résumé
Hygrothermal simulation tools are commonly used to assess the moisture performance of building envelope components. Owing to the computational costs required to complete simulations over the long-term, one approach to reduce simulation time when undertaking hygrothermal design analysis, is to select representative year(s) amongst sets of long-term climate data. To properly select these moisture reference year(s), a method is required to rank the climate years in terms of their moisture severity. To this end, several methods have been proposed in the literature, amongst which is the damage function method as reported in ASHRAE Project Report RP-1325. In this method, a stepwise regression model was developed to predict the damage function, as characterized by the RHT-index (integral of (Temperature - 0) (Relative Humidity – 70%)), in an OSB layer of a wood-framed wall as a function of several average yearly climate parameters for a North facing wall. The model was calibrated using climate and simulation data for eight cities in USA and validated for four cities comprising Winnipeg, Canada. The method was found to be the most consistent and accurate amongst all ranking methods as have been evaluated. The objective of this paper was to: (1) evaluate the ASHRAE method for several Canadian locations; (2) determine whether the original model can be recalibrated in the event it is shown to be deficient; and (3) explore the potential of improving the model using other approaches such as the Partial Least Squares Regression (PLSR). The results suggest that for some Canadian locations, as were investigated in this study, the use of the original model may not be appropriate for prediction. However, the model was shown to perform better after it was recalibrated for Canadian locations but without improvement in ranking performance. Furthermore, the damage function model can be improved by using PLSR in terms of prediction and ranking.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».