The Impact of Oil Prices on Oil Shale Development in the United States
Notice bibliographique
Résumé
Abstract The United States has the largest oil shale resources in the world, in excess of 6 trillion barrels. Potential U.S. oil shale reserves could exceed 800 billion barrels, depending on oil price. New technologies may soon enable these resources to be produced efficiently and economically. Recently, increased oil demand, tightening supplies, and higher oil prices stimulated investment in energy projects around the globe, driving up the cost of materials, skilled labor, and other project inputs. A clear example can be seen in the rapid increase of capital and operating costs in Alberta's oil sands. Similar experiences could be expected during the development of a domestic oil shale industry. This raises questions about the effect of oil price on oil shale economics, including both capital and operating costs. To answer this question, an analysis was conducted using the oil price as a surrogate for energy costs, tightness of the labor market, the costs of materials, and other factors which impact the development of oil shale projects. After developing a relationship between the oil price and the cost of development, an analysis was conducted to determine the impact caused by increasing oil prices on the minimum economic price of four representative oil shale development technologies. This paper will discuss the relationship and impact of oil price and oil shale development costs. In addition, the paper will describe the impact of the cost relationship on production and other macro-economic benefits which can be realized.
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 | 0,000 | 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 ».