MétaCan
Menu
Retour à la cohorte
Enregistrement W2898602073 · doi:10.3390/su10113873

Understanding the Evolution of Industrial Symbiosis with a System Dynamics Model: A Case Study of Hai Hua Industrial Symbiosis, China

2018· article· en· W2898602073 sur OpenAlexaff
Hua Cui, Changhao Liu, Raymond P. Côté, Weifeng Liu

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSustainable Industrial Ecology
Établissements canadiensDalhousie University
Organismes subventionnairesNational Development and Reform CommissionNational Natural Science Foundation of China
Mots-clésIndustrial symbiosisIndustrial ecologySymbiosisSystem dynamicsSustainable developmentBiochemical engineeringIndustrial wastewater treatmentField (mathematics)Energy consumptionChinaEcologyEnvironmental economicsComputer scienceSewage treatmentEnvironmental scienceEngineeringSustainabilityEconomicsEnvironmental engineeringBiologyMathematicsGeography

Résumé

récupéré en direct d'OpenAlex

Industrial symbiosis (IS) is a key sub-field in industrial ecology. The field itself assists in developing strategies that support local and regional sustainable development. The evolution of IS is an important topic to be explored. In this paper, we use the system dynamics (SD) method to establish a model of the evolution of industrial symbiosis in the case of Hai Hua Industrial Symbiosis (HHIS). In this model, different scenarios for energy consumption, solid waste utilization, and wastewater utilization were set by changing the parameter values of certain input variables to analyze the evolution of HHIS. In addition, the drivers for IS evolution were investigated qualitatively in this study. The SD model was helpful for visualizing the effects and benefits of reducing the energy consumption, solid waste stock, and wastewater stock that were achieved by establishing symbiotic relationships during the evolution of IS. The results show that the optimization of energy and material flows and other symbiotic benefits can be achieved in HHIS. There are still some challenges that restrict the further evolution of HHIS. Some suggestions are proposed to promote its further evolution.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,043
Tête enseignante GPT0,244
Écart entre enseignants0,202 · 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'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

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetSustainable Industrial EcologyTravaux en français237 207