MétaCan
Menu
Back to cohort
Record W7049001339

Modélisation énergétique de serres de petite taille : Amélioration, calibration et validation d’un modèle de simulation thermique dynamique développé avec TRNSYS

2024· other· fr· W7049001339 on OpenAlexaboutno aff

Bibliographic record

VenueEspace École de technologie supérieure (École de technologie supérieure) · 2024
Typeother
Languagefr
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsCalibrationNoise (video)Statistical analysisLimiting
DOInot available

Abstract

fetched live from OpenAlex

Au Québec, les producteurs agricoles et les communautés ont recours aux serres de petite taille afin de prolonger la saison de culture. Le maintien des conditions optimales de croissance dans ce type d’espace devient rapidement énergivore, cette consommation d'énergie représentant un défi majeur pour une exploitation serricole rentable. La simulation thermique dynamique de serres est un outil pour y étudier les performances énergétiques. Cependant, il n'existe pas actuellement de modèle énergétique validé permettant de simuler avec confiance les performances énergétiques des serres de petite taille dans le climat québécois. \n \nL’objectif principal est de développer un modèle énergétique de serre de petite taille en contexte québécois. Pour ce faire, l’outil de simulation thermique dynamique, TRNSYS, est utilisé. Un modèle existant est évalué et amélioré avec des composants de modélisation énergétique détaillés. Le modèle est adapté pour représenter une serre à Victoriaville, Québec. \n \nLe modèle est calibré pour fixer les paramètres incertains. Une analyse de sensibilité est d’abord utilisée pour identifier les paramètres incertains sensibles, suivie d’une calibration automatisée en plusieurs étapes. La méthode de calibration automatisée utilise un algorithme génétique multi-objectif pour ajuster les paramètres incertains, en calibrant le modèle pour la température de l’air intérieur et l’humidité relative mesurées. Le modèle est considéré comme calibré pour les phases passive et de ventilation naturelle (56 jours) avec une erreur quadratique moyenne (RMSE) de 1,6°C pour la température intérieure et de 8,3% pour l’humidité relative. \n \nLe modèle est ensuite validé avec deux ensembles de données additionnels, une serre froide et une serre minimalement chauffée. Dans les deux cas, la comparaison des résultats de la simulation avec les mesures de l’environnement intérieur a conduit à une RMSE sous 2°C pour la température et sous 10% pour l’humidité relative : ces valeurs se comparant favorablement à celles de la littérature. Le modèle a atteint une erreur relative moyenne de 3,7 % pour l’estimation de la consommation mensuelle d’énergie pour une serre minimalement chauffée. \n \nCompte tenu de ces résultats, le modèle est considéré comme suffisamment précis et applicable pour les études futures de performances énergétiques. Le modèle TRNSYS, par sa polyvalence, offre la possibilité d'explorer différentes configurations de construction, de systèmes et de modes d’opération pour les serres. Cela ouvre des perspectives variées pour évaluer et améliorer les performances énergétiques des serres de petite taille au Québec.

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

Direct model labels (unvalidated)

Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.

Model armCategoriesStudy designConfidence
gemmano category
Domain: not available · Genre: Empirical
About the Canadian research system: no · About a Canadian topic: no
Simulation or modelinglow
gptno category
Domain: not available · Genre: Methods
About the Canadian research system: no · About a Canadian topic: no
Simulation or modelinghigh
models agreeAgreement compares identical category sets and study designs across arms.

Full frame machine prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.371
Threshold uncertainty score0.737

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.001

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.

Opus teacher head0.019
GPT teacher head0.279
Teacher spread0.260 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Labeled directly by 2 models reading the full record.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical · Methods

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".

Quick stats

Citations0
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueEspace École de technologie supérieure (École de technologie supérieure)Same topicMagnetic confinement fusion researchFrench-language works237,207