MétaCan
Menu
Retour à la cohorte
Enregistrement W2334341034 · doi:10.12972/ksmer.2013.50.4.470

Assessment of Wind Power Potential at Abandoned Mines in Kangwon Province, Korea

2013· article· en· W2334341034 sur OpenAlexaboutno aff
Mihyang Jang, Yosoon Choi, Hyeong‐Dong Park, Wa-Ra Go

Notice bibliographique

RevueJournal of the Korean Society of Mineral and Energy Resources Engineers · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensnon disponible
Organismes subventionnairesKorea Electric Power CorporationSeoul National University
Mots-clésMining engineeringEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

This study performed an assessment of wind power potential at abandoned mines in the Kangwon province by analyzing gross energy production, greenhouse gas emission reduction and economic effects estimated from a 600 kW wind turbine.Wind resources maps collected from the renewable energy data center in Korea Institute of Energy Research (KIER) were used to determine the average wind speed, temperature and atmospheric pressure at hub height (50 m) for each abandoned mine.RETScreen software developed by Natural Resources Canada (NRC) was utilized for the energy, emission and financial analyses of wind power systems.Based on the results from 5 representative mining sites, we could know that the average wind speed at hub height is the most critical factor for assessing the wind power potential.Finally, 47 abandoned mines that have the average wind speed faster than 6.5 m/s were analyzed, and top 10 mines were suggested as relatively favorable sites with high wind power potential in the Kangwon province.It should be noted that the results can be considered as an alternative for promotion policy of abandoned mining areas, however they are not really relevant to mine hazard protection.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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'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

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Korean Society of Mineral and Energy Resources EngineersMême sujetWind Energy Research and DevelopmentTravaux en français237 207