MétaCan
Menu
Retour à la cohorte
Enregistrement W2097626373 · doi:10.5558/tfc85870-6

Model development for lumber volume recovery of natural balsam fir trees in Quebec, Canada

2009· article· en· W2097626373 sur OpenAlexafffundvenueabout
Chuangmin Liu, Jean‐Claude Ruel, Art Groot, S Y Zhang

Notice bibliographique

RevueThe Forestry Chronicle · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensNatural Resources CanadaUniversité LavalFPInnovations
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaU.S. Forest ServiceUniversity of British ColumbiaFPInnovationsFonds Québécois de la Recherche sur la Nature et les TechnologiesUniversité LavalU.S. Department of Agriculture
Mots-clésBalsamVolume (thermodynamics)Abies balsameaDouglas firTree (set theory)Regression analysisForestryEnvironmental scienceEngineeringMathematicsStatisticsGeographyBotanyBiology

Résumé

récupéré en direct d'OpenAlex

To improve the precision of sawing simulations, 4 regression models were developed to predict simulated lumber volume recovery using tree size variables. Simulated lumber volume recoveries from natural balsam fir trees based on the sawing simulator Optitek were different from real lumber volume recoveries from a stud sawmill because the simulation method only takes wane into consideration. Therefore, 2 methods were developed to correct estimated lumber volume recoveries. The results indicate that the lumber volume correction models for stem deformations could adjust the predictions of lumber volume recovery from the simulation and directly from the sawing simulator to obtain more accurate estimates. With the correction models, the lumber volume recovery from natural balsam fir trees could be estimated directly using easily measured tree DBH and height from the forest resource inventory. Key words: balsam fir, stem deformation, product recovery, sawing simulation, correction models, regression model

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,007
Tête enseignante GPT0,202
Écart entre enseignants0,195 · 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'étudeObservationnel
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

Citations12
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207