Alapohjaliittymän viivamainen lisäkonduktanssi
Bibliographic record
Abstract
Rakennusten energiamääräykset tiukentuivat vuonna 2012. Uutena asiana tulee ottaa huomioon viivamaiset kylmäsillat rakennuksen energiatehokkuuslaskennassa. \n \nOpinnäytetyön tavoitteena oli pyrkiä saamaan selville alapohjaliittymän viivamaisen lisäkonduktanssin arvoja Oulun Ritaharjun energiakortteliin rakennettuihin todellisiin kohteisiin. Tuloksia tuli myös verrata Suomen rakentamismääräyskokoelman D5 antamiin ohjearvoihin. \n \nTyössä mallinnettiin kyseiset liittymärakenteet viivamaisen lisäkonduktanssin laskentaoppaan 2012 mukaisesti ja itse laskenta suoritettiin Comsol Mul-tiphysics 4.3a -ohjelmalla. Ohjelmaan syötettiin kullekin liittymässä olevalle materiaalille oikeat lämmönjohtavuusarvot sekä ulko- ja sisäpintojen pintavastukset. Tämän jälkeen voitiin laskea ohjelmaa apuna käyttäen kyseisen liittymärakenteen viivamaisen lisäkonduktanssin arvo. \n \nLisäkonduktanssin arvoiksi saatiin lähes samankaltaisia ja myös suuresti poikkeavia arvoja kuin Suomen rakentamismääräyskokoelma D5 antaa. Ääripäitä kohteista edustivat hirsi- ja betonirunkoiset kohteet. Hirsirunkoinen kohde alitti oman ohjearvonsa yli kolme kertaa pienemmällä arvolla ja betonirunkoinen kohde ylitti ohjearvonsa lähes 1,4 kertaa suuremmalla arvolla. Kaikissa kohteissa oli betonirakenteinen sokkeli, mutta sokkelien rakenteet poikkesivat toisistaan. Kohteiden routasuojaukset poikkesivat myös enemmän tai vähemmän toisistaan. Seuraavaksi olisi hyvä tutkia routaeristeen sekä sokkelirakenteen ja sen materiaalin vaikutusta kylmäsiltatarkasteluun.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.125 | 0.035 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".