A Fuzzy Composting Process Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Composting processes are normally complicated with a variety of uncertainties arising from incomplete or imprecise information obtained in real-world systems. Previously, there has been a lack of studies that focused on developing effective approaches to incorporate such uncertainties within composting process models. To fill this gap, a fuzzy composting process model (FCPM) for simulating composting process under uncertainty was developed. This model was mainly based on integration of a fractional fuzzy vertex method and a comprehensive composting model. Degrees of influence by projected uncertain factors were also examined. Two scenarios were investigated in applying the FCPM method. In the first scenario, model simulation under deterministic conditions was conducted. A pilot-scale experiment was provided for verifications. The result indicated that the proposed composting model could provide an excellent vehicle for demonstrating the complex interactions that occurred in the composting process. In the second scenario, application of the proposed FCPM was conducted under uncertainties. Six input parameters were considered to be of uncertain features that were reflected as fuzzy membership functions. The results indicated that the uncertainties projected in input parameters will result in significant derivations on system predictions; the proposed FCPM can generate satisfactory system outputs, with less computational efforts being required. Analyses on degree of influence of system inputs were also provided to describe the impacts of uncertainties on system responses. Thus, suitable measures can be adopted either to reduce system uncertainty by well-directed reduction of uncertainties of those high-influencing parameters or to reduce the computational requirement by neglecting those negligible factors.
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.
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 découle