MétaCan
Menu
Retour à la cohorte
Enregistrement W2060868084 · doi:10.6000/1929-6002.2013.02.03.7

Prospects of Rice Husk Gasification for Power Generation in Bangladesh

2013· article· en· W2060868084 sur OpenAlexvenueno aff
Barun K. Das, Nirendra Nath Mustafi, S.M. Najmul Hoque

Notice bibliographique

RevueJournal of Technology Innovations in Renewable Energy · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesCentral Leather Research InstituteIndian Council of Social Science Research
Mots-clésHuskAgricultureFossil fuelEnvironmental scienceBiomass (ecology)Rice strawAgricultural wasteWaste managementElectricity generationEnvironmental engineeringEngineeringAgronomyPower (physics)StrawGeographyBiology

Résumé

récupéré en direct d'OpenAlex

Electricity is the basic requirement to promote socio-economic development. In recent years, Bangladesh is facing severe power crisis all over the country, but the rural areas are the most vulnerable. This acute electricity crisis along with the conventional fuel crunch is affecting every sector of the country and economy is being crippled. To reduce the dependency on fossil fuels, rice husk which are widely abundant agricultural waste from rice industry could play a vital role in this regards. Bangladesh is an agricultural country and produces huge quantity of rice every year. In the year 2011, the total rice production was around 50.63 million tones. Husk is the waste biomass produce during the rice processing, on average it accounts around 20% of the rice produced on weight basis (10.12 million tones). The potential of power generation from rice husk by gasification is around 310 MWe in Bangladesh. The power plant to be installed near the large rice mills `cluster areas’ in Dinajpur, Bogra, Naogaon, Chapainawabganj and Ishwardi with the surplus rice husk. This paper consolidates information from various studies on the availability of rice husk, its characterization and estimates possible power potential that 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,230
Écart entre enseignants0,218 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology Innovations in Renewable EnergyMême sujetEnergy and Environment ImpactsTravaux en français237 207