An Agent-based Simulation-optimization Coupling Approach for Device Allocation and Operation Control in Response to Offshore Oil Spills
Notice bibliographique
Résumé
The efficiency of offshore oil spill response not only relies on an efficaciously global decision/planning in devices combination and allocation, but also depends on the timely control for response devices (e.g., skimmers and booms). However, few study has reported on such decision framework with timely integration of global planning and operation control to support the offshore oil spill recovery. This study developed an agent-based simulation-optimization coupling approach to provide sound decisions for devices combination and allocation for offshore oil spill recovery in a fast, dynamic and cost-efficient manner under uncertain conditions. At the same time, the approach aimed at providing operation control for specific devices, reflecting the site conditions, and correspondingly real-time adjusting the global planning, which was especially helpful to harsh environments prevailing in the Newfoundland offshore areas. In the case study, the developed approach was applied to determine the allocation of 3 response vessels from 7 different locations of the spilled oil slicks. The routes of the response vessels for response operation were optimized and reflected by the principle agent-based programming. The modeling results indicated a minimal time of 21 hours for vessels allocation and recovery operation when only considered oil recovery, leading to an oil recovery rate of 90%. The proposed approach can timely and effectively support optimal allocation of devices and control of operation as well as real-time adjustment of global decision for oil recovery under dynamic conditions and improve recovery efficiency.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».