Single-blind inter-comparison of methane detection technologies – results from the Stanford/EDF Mobile Monitoring Challenge
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Methane leakage regulations in the US and Canada have spurred the development of new technologies that promise faster and cheaper leak detection for the oil and natural gas industry. Here, we report results from the Stanford/EDF Mobile Monitoring Challenge – the first independent assessment of 10 vehicle-, drone-, and plane-based mobile leak detection technologies. Using single-blind controlled release tests at two locations, we analyze the ability of mobile technologies to detect, localize, and quantify methane emissions. We find that the technologies are generally effective at detecting leaks, with 6 of the 10 technologies correctly detecting over 90% of test scenarios (true positive plus true negative rate). All technologies demonstrated pad-level localization of leaks, while 6 of the 10 technologies could assign a leak to the specific piece of equipment in at least 50% of test scenarios. All systems tested here will require secondary inspection to identify leak locations for repair; thus, mobile leak detection technologies can act as a complement, and not a substitute, for currently used optical gas imaging systems. In general, emissions quantification needs improvement as most technologies were only able to generally provide order of magnitude emissions estimates. Improvements to quantification algorithms, reducing false positive detection rates, and identifying early applications will be critical for deployment at scale. Even as this study provides the first independent verification of the performance of mobile technologies, it only represents the first step in the road to demonstrating that these technologies will provide emissions reductions that are equivalent to existing regulatory approaches.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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