MétaCan
Menu
Retour à la cohorte
Enregistrement W2916849240

Assessing the Potential to Generate Heat and Electricity from the Wastes Produced in Alberta Industrial Heartlands

2017· article· en· W2916849240 sur OpenAlexaboutno aff
Prashant Patel, Mahdi Vaezi, Amit Kumar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWaste managementMunicipal solid wasteEnvironmental scienceAgricultureElectricityManureIncinerationEnvironmental engineeringEngineeringGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Utilization and disposal of waste is a major concern in various jurisdictions in Alberta and Canada. The wastes are mostly comprised of municipal solid waste (MSW), agricultural residue (straw, livestock manure and on-farm dead), forest residue (roadside residues, mill waste) and waste heat from various industries. The amount of MSW as well as agricultural and forest residues available in the province of Alberta was estimated at 4.09 Mt/yr, 6.53 Mt/yr and 4.1 Mt/yr, respectively. Major portion of these wastes could be potentially diverted from being landfilled or burned to being utilized for energy production. This research focuses on Edmonton Industrial Heartland (AIH), in first phase, and the whole province of Alberta, in the second phase, to assess the utilization of waste material/energy for production of value-added products, particularly heat and electricity. This study includes development of extensive techno-economic models. Geographic information system (GIS) is as well used to identify the suitable locations for waste-to-energy conversion facilities via conducting exclusion, preference, and location-allocation analysis. Suitable locations are afterwards economically assessed for various waste conversion technologies along with optimization of size and identification of most optimal location(s). One waste-to-value added facility for AIH and 10 facilities for the province of Alberta are at the end recommended with exact geographical location and estimated cost of potential value-added products to be produced.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,912

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 technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,037
Tête enseignante GPT0,280
Écart entre enseignants0,242 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMunicipal Solid Waste ManagementTravaux en français237 207