MétaCan
Menu
Retour à la cohorte
Enregistrement W3002319297 · doi:10.1002/ghg.1955

An efficient waste management system with municipal solid waste incineration plant

2020· article· en· W3002319297 sur OpenAlexaff
Merve Öztürk, İbrahim Dinçer

Notice bibliographique

RevueGreenhouse Gases Science and Technology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMunicipal Solid Waste Management
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésIncinerationWaste managementMunicipal solid wasteExergyEnvironmental scienceMethaneTonHeat of combustionCombustionWaste-to-energyEnvironmental engineeringEngineeringChemistryGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This study proposes a waste management system for metropolitan cities and presents a thermodynamic analysis and emission assessment of a municipal solid waste incineration plant operating with collected wastes from the 37 municipalities of Istanbul city, Turkey. A thermodynamic analysis of the proposed system shows that 53.72 MW of electricity generation and the heat of 99.4 MW for district heating are obtained with the municipal solid waste incineration. The energy and exergy efficiencies of the plant are 55.5% and 35.4%, respectively. The rate of exergy destruction for each component in the plant and their variation with ambient temperature is calculated. The maximum rate of destruction occurs for the combustion chamber as 44.02 MW. According to the emission assessment, total CO2 emission is 45 500 ton per year and this value can be reduced to 4550 ton per year with the addition of carbon capturing and storage unit. The other released emissions from the incineration plant such as CH4, N2O, CO, NH3, and non‐methane volatile organic compounds (NMVOCs) are found to be 0.15, 34.36, 201.03, 16.08, and 20.10 ton per year, respectively. © 2020 Society of Chemical Industry and John Wiley & Sons, Ltd.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreenhouse Gases Science and TechnologyMême sujetMunicipal Solid Waste ManagementTravaux en français237 207