MétaCan
Menu
Retour à la cohorte
Enregistrement W2179012232 · doi:10.5539/jsd.v8n9p106

Wind Energy Assessment at Bafoussam, Cameroon

2015· article· en· W2179012232 sur OpenAlexvenueno aff
Talla Pierre Kisito, Bawe Gerard Nfor, David Yemélé, Ghogomu Patrick Ndinakie

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeibull distributionWind speedMathematicsWind powerAnimal scienceMorningStatisticsMeteorologyPhysicsAtmospheric sciencesEngineeringElectrical engineeringBiology

Résumé

récupéré en direct d'OpenAlex

<p>Three-hourly wind speed data measured using the Beaufort scale at a height of 10m, from 6am to 6pm local time (5 periods per day), was obtained from the Bafoussam Airport. It was analyzed using the Weibull and Rayleigh probability density models and wind rose plots. It was determined that the lowest wind speeds (most calms) were observed during the first period (6am) and the highest at 3pm (fourth period). The very low morning wind speed adversely affected the daily mean wind speed. Better, but still poor, power density results were obtained at this fourth (3pm) period. The monthly and yearly mean speeds varied between 1.9 and 3.1m/s and with very low standard deviations. The wind rose plots also showed that all the significant winds fell in the first quadrant (NE) and predominantly on angle 10<sup>o</sup> with some discernibly on 20<sup>o</sup> and 30<sup>o</sup>, only. Three goodness-of-fit tests: the chi square, coefficient of determination or R<sup>2</sup> and root mean square error, showed the Weibull to be a better fit to the wind regime than the Rayleigh model. The shape parameters were always greater than the scale parameters. Results show that, using the Weibull parameters, the power density of Bafoussam falls in the category 1 of the wind energy resource group and hence is not a very good wind energy exploitable candidate.</p>

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)0,001
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,914

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,014
Tête enseignante GPT0,237
Écart entre enseignants0,222 · 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'étudeSans objet
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetWind Energy Research and DevelopmentTravaux en français237 207