MétaCan
Menu
Retour à la cohorte
Enregistrement W1937298291 · doi:10.1139/s08-029

Interval stochastic quadratic programming approach for municipal solid waste management

2008· article· en· W1937298291 sur OpenAlexafffundvenue
Ping Guo, Guohe Huang, Yongping Li

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésQuadratic programmingMathematical optimizationInterval (graph theory)Stochastic programmingQuadratic equationConstraint (computer-aided design)Computer scienceLinear programmingDual (grammatical number)Mathematics

Résumé

récupéré en direct d'OpenAlex

In this study, an interval stochastic quadratic programming method (ISQP) is developed through incorporating techniques of chance-constrained programming (CCP) and inexact quadratic programming (IQP) within a general framework. This method improves upon the conventional IQP approaches in uncertainty reflection and risk analysis. Interval stochastic quadratic programming can handle dual uncertainties expressed as interval values and probability distributions, and can deal with nonlinearities in objective function to reflect economies-of-scale effects on the system cost. It can also support the assessment of the risk of violating various constraints, for accomplishing a minimizing system cost. The developed ISQP is applied to a municipal solid waste (MSW) management system with multiple disposal facilities and multiple cities within multiple time periods. Results of the case study indicate that useful solutions for planning MSW management practices have been generated under different probability levels of violating constraints, which are informative and flexible for decision makers. A high system cost is associated with a low risk level of violating constraints, and a low system costs will run into a high probability of violating constraints. There is a tradeoff between the system cost and the constraint-violation risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,314
Score d'incertitude au seuil0,371

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,186
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWater resources management and optimizationTravaux en français237 207