MétaCan
Menu
Retour à la cohorte
Enregistrement W3124001867 · doi:10.17863/cam.1124

Supplying Synthetic Crude Oil from Canadian Oil Sands: A Comparative Study of the Costs and CO2 Emissions of Mining and In-Situ Recovery

2010· preprint· en· W3124001867 sur OpenAlexaboutno aff
Aurélie Méjean, Chris Hope

Notice bibliographique

RevueApollo (University of Cambridge) · 2010
Typepreprint
Langueen
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research Council
Mots-clésSynthetic crudeCrude oilAsphaltOil sandsEnvironmental scienceEnhanced oil recoveryPetroleum engineeringWaste managementFossil fuelProduction (economics)Oil productionCrack spreadUnconventional oilPulp and paper industryEngineeringEconomicsMaterials science

Résumé

récupéré en direct d'OpenAlex

High crude oil prices and the eventual decline of conventional oil production raise the issue of alternative fuels such as non-conventional oil. The paper describes a simple probabilistic model of the costs of synthetic crude oil (SCO) produced from Canadian oil sands. Synthetic crude oil is obtained by upgrading bitumen that is first produced through mining or in-situ recovery techniques. This forward-looking analysis quantifies the effects of learning and production constraints on the costs of supplying synthetic crude oil from Canadian bitumen deposits. The results show the uncertainties associated with the future costs of synthetic crude oil. Carbon costs have a large impact of the total costs of synthetic crude oil, in particular in the case of synthetic crude oil from in-situ bitumen, due to the carbon-intensity of the recovery techniques. The influence of each parameter on the supply costs is examined. In the case of mined SCO, the maximum production rate, the ultimate recovery rate and the depletion parameters show the largest influence on the results, while learning parameters dominate in the case of in-situ SCO.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,286

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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'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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApollo (University of Cambridge)Même sujetGlobal Energy and Sustainability ResearchTravaux en français237 207