MétaCan
Menu
Retour à la cohorte
Enregistrement W3204348230 · doi:10.3390/en14196245

Defining Uncertainty: Comparing Resource/Reserve Classification Systems for Coal and Coal Seam Gas

2021· article· en· W3204348230 sur OpenAlexaboutno aff
Tim A. Moore, Mike C. Friederich

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Properties and Utilization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResource (disambiguation)CoalCoal miningFossil fuelMining engineeringProduction (economics)Computer scienceInvestment (military)Petroleum engineeringEnvironmental scienceBusinessGeologyEngineeringEconomicsWaste management

Résumé

récupéré en direct d'OpenAlex

Transparent, objective, and repeatable resource assessments should be the goal of companies, investors, and regulators. Different types of resources, however, may require different approaches for their quantification. In particular, coal can be treated both as a solid resource (and thus be mined) as well as a reservoir for gas (which is extracted). In coal mining, investment decisions are made based on a high level of data and establishment of seam continuity and character. The Australasian Code for Reporting of Exploration Results, Mineral Resources and Ore Reserves (the JORC Code) allows deposits to be characterised based on the level of geological and commercial certainty. Similarly, the guidelines of the Petroleum Resource Management System (PRMS) can be applied to coal seam gas (CSG) deposits to define the uncertainty and chance of commercialisation. Although coal and CSG represent two very different states of resources (i.e., solid vs. gaseous), their categorisation in the JORC Code and PRMS is remarkably similar at a high level. Both classifications have two major divisions: resource vs. reserve. Generally, in either system, resources are considered to have potential for eventual commercial production, but this has not yet been confirmed. Reserves in either system are considered commercial, but uncertainty is still denoted through different subdivisions. Other classification systems that can be applied to CSG also exist, for example the Canadian Oil and Gas Evaluation Handbook (COGEH) and the Chinese Standard (DZ/T 0216-2020) and both have similar high-level divisions to the JORC Code and PRMS. A hypothetical case study of a single area using the JORC Code to classify the coal and PRMS for the gas showed that the two methodologies will have overlapping, though not necessarily aligned, resource and reserve categories.

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)0,046
score de la tête « metaresearch » (Gemma)0,152
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,152
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0130,009
Études des sciences et des technologies0,0020,003
Communication savante0,0070,008
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,034
Tête enseignante GPT0,231
Écart entre enseignants0,197 · 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'étudeQualitatif
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetCoal Properties and UtilizationTravaux en français237 207