MétaCan
Menu
Retour à la cohorte
Enregistrement W2103720627 · doi:10.1109/epec.2010.5697238

Achieving CO2 emission targets for energy consumption at Canadian manufacturing and beyond; using Hybrid Optimization Model

2010· article· en· W2103720627 sur OpenAlexaffabout
Arash Marzi, Hosein Marzi, Elham Marzi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionCoalArtificial neural networkConsumption (sociology)Global warmingOil consumptionGreenhouse gasClimate changeFuel efficiencyComputer scienceManufacturingFossil fuelEnvironmental scienceEnvironmental economicsEngineeringBusinessAutomotive engineeringEconomicsArtificial intelligenceWaste managementEcology

Résumé

récupéré en direct d'OpenAlex

Due to sporadic climate change and global warming, world have signed international protocols promising to reduce their nation's emissions. This study focuses on the application of the bees algorithm, embedded with an artificial neural network, to determine practical yearly reductions for minimizing oil, natural gas, and coal emissions as by-products of energy consumption in Canada's manufacturing sector based on the Copenhagen Targets for Canada for 2020.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,341
Score d'incertitude au seuil0,625

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 Opus0,012
Tête enseignante GPT0,205
Écart entre enseignants0,193 · 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'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

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEnergy Load and Power ForecastingTravaux en français237 207