Development of a Model for the Establishment of a Hydro Electric Power Generating Plant
Notice bibliographique
Résumé
Nigeria as a nation has suffered a lot when it comes to the availability of electricity. A clear comparison between this nation’s electric power supply and other countries revealed the present incessant electric power supply in the country. The average power per capital (watts per person) in the United States is 1,377 Watts. In Canada, it is as high as 1,704 Watts per person and in South Africa; it is 445 Watts per person. The average power per capital in Australia is 1,112 Watts and in New Zealand it is 1,020 W per person. Whereas, the average power per capital (watts per person) in Nigeria is 14 W person. The power system structure is characterized with a lot of faults and outages. These electric power problem has destroyed the industrial processes in the country. As a result, unemployment has increased in the country. As at February, 2020, according to the Federal Government of Nigeria, the number of unemployed youths in the country is 23 million. Data from the International Transparency in the United State stated that there are 40 million unemployed youths in the country. This has increased crime rates among the youths. The country experience a high level of hardship, insecurity and socio-economic disorder as results. Therefore, there is an urgent need to solve this incessant supply of electric power in the country. Hence, a detail study of Akure132/33kV substation Network of the Benin Electricity Distribution Company under which there are 84,264 customers was carried out.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».