A conceptual framework for siting biorefineries in the Canadian Prairies
Notice bibliographique
Résumé
Abstract Ethanol is increasingly used as a means to reduce gasoline consumption. As a result, it has also attracted analysis of its economic, social, and environmental merit. In order for the ethanol production industry to continue to expand, these issues must be confronted in future development. Although technological development is often relied upon, carefully considered ethanol refinery siting also mitigates some of these concerns. Five alternative siting locations were selected in the western Canadian Prairies. These were evaluated using 12 criteria which represent regional resources, economic conditions, government support, or social indicators. The criteria were weighted to represent the perspectives of two stakeholders. The Preference Ranking Organization Method for Enrichment and Evaluations (PROMETHEE) method was applied to this data, ranking the alternative sites. Several future scenarios were created to analyze the sensitivity of the results to both statistical data and subjective inputs. The rankings proved to be robust, and varied little in the different scenarios. Southern Alberta had an advantage with a high ethanol byproduct demand, education level, and ethanol demand. Southern Manitoba benefitted from the lowest labor and miscellaneous costs, due to higher unemployment. Saskatchewan suffers from low byproduct demand and a decrease in water availability while having a heated economy which increases costs. In addition, Saskatchewan as a whole is currently the leader in ethanol production, resulting in less net demand, reduced access to government incentives, and more local competition. Southern Alberta and Southern Manitoba are the optimal regions for future ethanol biorefinery, where as the Saskatchewan locations are the least attractive. © 2010 Society of Chemical Industry and John Wiley & Sons, Ltd
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».