MétaCan
Menu
Retour à la cohorte
Enregistrement W2062015754 · doi:10.1016/j.egypro.2009.02.274

Prospects for underground coal gasification in carbon-constrained world

2009· article· en· W2062015754 sur OpenAlexaboutno aff
S. Julio Friedmann, Ravi Upadhye, Fung-Ming Kong

Notice bibliographique

RevueEnergy Procedia · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensnon disponible
Organismes subventionnairesLawrence Livermore National LaboratoryOffice of Fossil Energy
Mots-clésUnderground coal gasificationCoalCarbon sequestrationWaste managementEnvironmental scienceCarbon capture and storage (timeline)Clean coal technologyClean coalEngineeringCoal gasificationGreenhouse gasClimate changeCarbon dioxideGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Underground coal gasification (UCG) has re-emerged as an energy technology for coal conversion and utilization given its attractive economics, ability to access inaccessible coals, and versatility of use. Based on published and new cost estimates, engineering analyses, and new commercial pilots it appears that UCG can produce syngas for 1 / 2 to 1 / 4 of the cost compared to surface gasifiers. New pilots announced in India, Canada, New Zealand, Wyoming, Alberta, China, and Australia to commence in 2009-2010 are preludes to commercial projects to produce hydrogen, power, liquid fuels, and chemicals. Importantly, UCG may have special promise in combination with carbon capture and sequestration (CCS). First, there is a high degree of coincidence between coal resources and potential sequestration sites. Second, preliminary engineering and economic assessments suggest that it would be possible to fully or partially decarbonize many UCG product streams with CCS at costs at or below their surface equivalents without CCS. At present, all projects proposed for North America have CCS as a component to their carbon management strategy.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0240,002

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 GPT0,215
Écart entre enseignants0,203 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations112
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetMining and Gasification TechnologiesTravaux en français237 207