MétaCan
Menu
Retour à la cohorte
Enregistrement W2053136860 · doi:10.1080/15275920903347396

An Extended Environmental Multimedia Modeling System (EEMMS) for Landfill Case Studies

2009· article· en· W2053136860 sur OpenAlexafffund
Zhi Chen, Jing Yuan

Notice bibliographique

RevueEnvironmental Forensics · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnvironmental scienceComputer scienceWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Traditional environmental multimedia models (EMMs) are usually based on one-dimensional (1D) and first-order assumptions, which may cause numerical errors in the simulation results. This study presents an extended EMM system (EEMMS) for landfill case studies, which incorporates numerical analysis. EEMMS includes four component modules: air, landfill, unsaturated zone, and saturated zone (groundwater) modules. The modules are solved within the EEMMS framework using both FEM (finite element) and FDM (finite difference) methods. The results obtained using EEMMS were evaluated by comparison with analytical solutions for pollutant multimedia transport under non-uniform and unsteady conditions. Modeling results showed that FEM and FDM produced better results compared to analytical outputs. Sensitivity analysis was also conducted for modeling of the retardation process. Experimental results from a pilot scale landfill site confirmed that the predicted emission flux was consistent with the measured flux in a spatial and temporal scheme. EEMMS may provide effective risk assessment through examining the fate and transport of pollutants in a multimedia environmental system and to help the subsequent management of the resulting environmental impacts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,271
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental ForensicsMême sujetLandfill Environmental Impact StudiesTravaux en français237 207