Use of the DREAM Model for Control and Prediction of Concentrations and Environmental Risks Associated with Regular Discharges to Sea: Experiences and Challenges.
Notice bibliographique
Résumé
Abstract A numerical model has been developed and applied to serve the offshore industry to predict and report environmental risks associated with offshore discharges. The development has taken place over a time period of about 20 years, and is fully financed by the offshore operators. The model is fully four-dimensional (time and 3D space variations included) and covers the water column and sediment compartments. The model was first developed and applied to produced water discharges. Later, drilling discharges and coastal discharges (terminal releases) were included. At present, the "DREAM Charter" project focuses on revisions of the risk approach according to recent literature, validation of the numerical model by comparing with laboratory and field data, and also addresses the uncertainties in the predictions. Present participants are BP, ConocoPhillips, Det Norske, ENI, Statoil and Total. The model tool has been applied to predict and report environmental risks associated with discharges to sea (mostly produced water and drilling discharges). A parameter, EIF (Environmental Impact Factor), has been developed and used as a measure for size of potential environmental impact. This parameter has also been used as a basis for selection of chemicals used, and to give priority to the most cost efficient measures to reduce environmental impact. The model tool makes it possible to select the best option to reduce environmental impact in a cost efficient manner, weighting reduction of the size of the EIF against costs. The introduction of new OSPAR regulations (OSPAR, 2012) allows for an alternative approach (Whole Effluent Approach) which is discussed as well.
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 ».