Bibliographic record
Abstract
Ilmastonmuutos etenee kiihtyvällä vauhdilla, mikä lisää ääri-ilmiöiden määrää ja kasvattaa keskilämpötiloja. Tämän seurauksena kuumat säät ja lämpöennätykset yleistyvät vaikuttaen erityisesti uudisasuntojen asumismukavuuteen. Korkeat lämpötilat aiheuttavat terveysriskejä etenkin haavoittuvissa ryhmissä. Suomen lain mukaan huoneiston lämpötilan ei tulisi ylittää 32 celsiusastetta viilennyskaudella. Lattiaviilennysjärjestelmät tarjoavat vedottoman ja helposti säädettävän vaihtoehdon huoneiston viilentämistä varten. Järjestelmien hukkalämpöä on mahdollista myös hyötykäyttää. Viilennysjärjestelmien kasvava tarve tekee niistä entistä houkuttelevampia. Tutkimuksessa selvitetään järjestelmän taloudellisia hyötyjä lämpöenergian virtauksen ja lämmöntalteenoton kautta. Tutkimuksen alussa esitetään lämmönsiirtomenetelmiä, kuten johtumista, konvektiota ja säteilyä. Kerrostalon lämpölaskennanperusteet esitetään kaavojen muodossa ja selitetään niiden soveltamista lämpövirtalaskennassa. Toisessa teorialuvussa keskitytään lattiaviilennykseen ja sen toimintaan. Luvussa esitetään viilennysjärjestelmän vaihtoehtoisia rakenteita ja niiden ohjausta kaavoina sekä havainnollistetaan kuvallisesti sen toimintaperiaatteita. Luku antaa perustason käsityksen lattiaviilennyksen ohjauksesta. Laskenta keskittyy kerrostaloon virtaavan lämmön määrään hyödyntäen Ilmatieteenlaitoksen nettisivuilla saatavilla olevaa historiadataa. Viilennyspäivien lukumääräksi saatiin keskimäärin 58 päivää kesä- ja syyskuun välisenä aikana. Kyseisen tarkastelujakson aikainen viilennystarve oli noin 15 kWh/asuinneliö. Saatu luku vaihtelee hiukan asuinrakennuksen riippuen. Viilennysjärjestelmän rakenteella on merkittävä vaikutus viilennyksen energiatehokkuuden kannalta. Tehokkuuteen vaikuttaa käytettävä viilennyslähde. Tehokkaimpia viilennysenergian lähteitä ovat maalämpökaivo tai kaukokylmäverkosto. Muitakin kylmä lähteitä on mahdollista käyttää, mutta niitä käytettäessä tulee hukkalämmön uudelleen käyttäminen huomioida mahdollisimman tarkasti. Työssä esitetty laskelma toteutettiin teoreettisesti Excel-ohjelmistolla Ilmatieteenlaitoksen tarjoaman historiadatan pohjalta. Käytetty data rajaa laskennan tulokset kuvaamaan Etelä- ja Keski-Suomen viilennystarvetta. On huomattava, että laskennan tulokset ovat suuntaa antavia tehtyjen yksinkertaistusten takia. Lisäksi työssä pohdittiin erilaisia järjestelmäkokonaisuuksia ja esitettiin niiden hyötyjä ja haittoja. Yleisenä ongelmana viilennysjärjestelmissä todettiin riski kastepisteen syntymisestä, joka on estettävissä erilaisin ilmanvaihtokeinoin. Tutkimuksen tulosten pohjalta todettiin lattiaviilennysjärjestelmän tarjoavan tulevaisuudessa mahdollisuuden vähentää rakennuksen tarvitsemaa nettoenergiantarvetta.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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.
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; both teacher heads agree on what is shown here.
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".