A Factorial Ecological-Extended Physical Input-Output Model for Identifying Optimal Urban Solid Waste Path in Fujian Province, China
Notice bibliographique
Résumé
Effective management of an urban solid waste system (USWS) is crucial for balancing the tradeoff between economic development and environment protection. A factorial ecological-extended physical input-output model (FE-PIOM) was developed for identifying an optimal urban solid waste path in an USWS. The FE-PIOM integrates physical input-output model (PIOM), ecological network analysis (ENA), and fractional factorial analysis (FFA) into a general framework. The FE-PIOM can analyze waste production flows and ecological relationships among sectors, quantify key factor interactions on USWS performance, and finally provide a sound waste production control path. The FE-PIOM is applied to managing the USWS of Fujian Province in China. The major findings are: (i) waste is mainly generated from primary manufacturing (PM) and advanced manufacturing (AM), accounting for 30% and 38% of the total amount; (ii) AM is the biggest sector that controls the productions of other sectors (weight is from 35% to 50%); (iii) the USWS is mutualistic, where direct consumption coefficients of AM and PM are key factors that have negative effects on solid waste production intensity; (iv) the commodity consumption of AM and PM from other sectors, as well as economic activities of CON, TRA and OTH, should both decrease by 20%, which would be beneficial to the sustainability of the USWS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».