MétaCan
Menu
Retour à la cohorte
Enregistrement W2884957419 · doi:10.1002/clen.201800317

Sustainable Water‐Resources Allocation Through a Trading‐Oriented Mechanism Under Uncertainty in an Arid Region

2018· article· en· W2884957419 sur OpenAlexaff
Xueting Zeng, Yongping Li, Guohe Huang, Xiaowen Zhuang, S. Nie

Notice bibliographique

RevueCLEAN - Soil Air Water · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensCanada Research ChairsUniversity of TorontoUniversity of Regina
Organismes subventionnairesChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésSustainable developmentMarket mechanismWater resourcesBusinessDual (grammatical number)Natural resource economicsEnvironmental economicsChinaWatershedPopulationMechanism (biology)SustainabilityAridIndustrial organizationEconomicsComputer scienceMarket economyEcologyGeography

Résumé

récupéré en direct d'OpenAlex

In this study, a dual‐interval two‐stage stochastic programming (DTSP) approach is developed for planning water resources through a market‐trading‐oriented mechanism under uncertainty. The DTSP method is used for policy analysis of water trading in the Kaidu‐kongque River Basin with the efficient and sustainable manners to relieve the pressures of economic development and population growth in northwestern China. The obtained results reveals that a market‐trading‐oriented mechanism under the adjustment/regulation by water managers would be a sustainable/effective manner to allocate water resources against the market failure. Meanwhile, the trade‐off between governmental regulation and market behavior has generated a more efficient trading mode with overall consideration of factors such as food safety, drinking safety, environmental protection, and regional development in a watershed system, which could bring about a number of beneficial impacts on regional water resources development. Moreover, the DTSP method is also appropriate for discriminating varied cases associated with various levels of economic influences since the penalties could be exercised with the recourses actions against any infeasibility.

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 enseignants0,156
Score d'incertitude au seuil0,742

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 savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,207
Écart entre enseignants0,194 · 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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCLEAN - Soil Air WaterMême sujetWater resources management and optimizationTravaux en français237 207