MétaCan
Menu
← Retour à la cohorte
Enregistrement W2997549893 · doi:10.1109/iccece46942.2019.8941731

Canadian Energy System Management under Climate Change Conditions

2019· article· en· W2997549893 sur OpenAlexaffabout
Guohe Huang, Lirong Liu, Xiaoyue Zhang, Jinbo Zhang, Yupeng Fu, Bin Luo, Mengna Li, Xiaogui Zheng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésProsperityEnvironmental resource managementRenewable energyClimate changeSustainable developmentGreenhouse gasEnergy planningEnergy systemEnvironmental economicsEnergy conservationEnergy managementGlobal warmingNatural resource economicsEnvironmental planningEnergy (signal processing)Computer scienceEnvironmental scienceEconomicsEngineeringEcologyEconomic growth

Résumé

récupéré en direct d'OpenAlex

Energy activities, as main cause of environmental and climate change issues, become the main concern of Canada for past decades. Robust and sustainable energy systems are essential to the prosperity of the regional, national and global economy. Energy systems consist of many components that are closely related to socio-economic development and resources conservation with multiple criteria and objectives. These components may be interrelated to each other and may present uncertain and dynamic features, associated with spatial heterogeneity, implying issues of system reliability and economic/environmental effects. Effective systems planning and policy-making support are desired for the long-term energy-environment management. In this study, eight representative regions in Canada with typical energy-related issues are identified and analyzed. A set of mathematical algorithms are integrated into the regional energy model framework to tackled uncertainties. Tradeoffs between environmental goals, economic benefits, and energy development in these regions can be reflected. Different scenarios involving greenhouse gas emission goals and renewable utilizations are analyzed, which can provide a sound basis for local governments' policy and strategy development in the future.

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)0,000
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 enseignants0,026
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,006
Tête enseignante GPT0,159
Écart entre enseignants0,152 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWater resources management and optimization→Travaux en français237 207→