MétaCan
Menu
Retour à la cohorte
Enregistrement W2889350415 · doi:10.1088/1757-899x/397/1/012108

Investigation of energy consumption and renewable energy resources in top ten countries with most energy consumption

2018· article· en· W2889350415 sur OpenAlexaboutno aff
N. Mejriszan Toosi, Javad Abolfazli Esfahani, Mohammad Reza Safaei

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnergy consumptionRenewable energyAgricultural economicsConsumption (sociology)PopulationGross domestic productGeographyChinaEnergy intensityEnvironmental scienceDemographyEngineeringEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Top ten countries with the most energy consumption (China, United States of America, India, Russia, Japan, Canada, Germany, Brazil, South Korea and Iran) - which consume 65% of total world energy- is selected to analyze their energy resources and consumption. Data were collected from different world's banks as well as RETScreen software and then data are analyzed using statistical Methods. The results of the study demonstrated that India has the least ratio of energy consumption per population (0.534 Million tones oil equivalent per Million numbers of people). In the other hand, U.S. (7.095) as well as Canada (9.202) has the highest ratio of energy consumption per population among studied countries because of their high rates of Gross Domestic Product (GDP). Moreover, Germany and Iran have the least (0.095 Million tones oil equivalent per billions of US dollars) and the highest (0.628) ratio of energy consumption per GDP, respectively which represent Germany has the best energy efficiency in production unlike Iran. This is due to the lack of suitable energy audit and management, and modern technologies. Analyzing the RETScreen data locations indicated that Brazil (5.057 kWh/m2/d) and Iran (5.010) have the highest and Germany (2.866) has the least daily solar radiation horizontal averages. However, Germany uses the most (5.939 %) and in contrast Brazil (0.003 %) and Iran (0.037 %) use the minimum percentage of solar energy for their electricity generation. Also, results illustrated Canada (4.391 m/s), Iran (4.233) and U.S. (3.948) have the highest Wind speed average at level of 10 m, but Germany use the most (13.595 %) and Russia (0.001 %) and Iran (0.087 %) use the least of wind energy in their electricity generation. All in all, this study would suggest that Brazil increase solar energy usage and Iran to utilize more solar as well as wind energy resources instead of fossil fuels.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,694

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 technologies0,0000,002
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 Opus0,011
Tête enseignante GPT0,183
Écart entre enseignants0,172 · 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'étudeExpérimental (laboratoire)
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 revueIOP Conference Series Materials Science and EngineeringMême sujetEnergy and Environment ImpactsTravaux en français237 207