Development of a system dynamics model for dioxin flow and its application to the energy sector
Notice bibliographique
Résumé
Dioxin pollution has been problematic in Taiwan. Although the government has established emission standards and emission inventory to control dioxin pollution, such efforts only apply to pollution emissions; no attempt has been made to understand the flow of dioxins in different environmental media. In this study, the STELLA software was used to model the flow pattern of dioxins in various media. This model and the RAIDAR model established by the Canadian Environmental Model Research Center were used to simulate dioxin flow in Taiwan, and their results were compared with the measured values. The accuracies of the RAIDAR and STELLA models were 63.92% and 49.78%, respectively. This shows that the simulation with the STELLA model provided results closer to the measured values and that the error was less than ten times that of the RAIDAR model, indicating that the proposed model is predictive. In addition, we used the results of a system dynamics model for dioxin flow and an air resource co-benefits (ARCoB) model to apply the obtained results to the energy sector to quantify the co-benefits of reducing dioxin, greenhouse gas, and air pollutant emissions on the basis of the policy target for the year 2030. The total co-benefits of natural gas and renewable energy (RE) scenarios were US$9.63 billion and US$12.57 billion, respectively; the benefit-cost ratios were 2.89 and 20.67, respectively. The development of an RE policy as an alternative to a coal-fired power generation policy will contribute to the best co-benefits of integrated reductions and will also contribute to human health.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».