A System Dynamics Modeling Approach for Estimation of Oily Waste Generation From Marine Oil Spill Response: A Case Study of an Oil Spill in Central Coast of British Columbia
Notice bibliographique
Résumé
The understanding of waste generation is of critical importance for effective oily waste management in marine oil spill response operation. A system dynamics model was developed in this study to estimate the quantity of oily waste generated from marine oil spill response operations. Various aspects were considered, including weather conditions, spilled oil volume and characteristics, response time, and response methods. The types of oily waste include recovered oil, oily water, oily sorbents, oily personal protection equipment, and oily debris. The model was validated using data collected from an actual oil spill incident in British Columbia, Canada. The comparison of model estimation and observed results showed an average prediction accuracy of 86%. Sensitivity analysis was conducted to examine the impacts of two modeling parameters, including response arrival time and sorbent booms amount. Results of a case study indicated that initiation of response operations 5-h earlier could increased oil recovery by 26%. Furthermore, sensitivity analysis highlighted a 45% overuse of sorbents which resulted in the generation of unnecessary oily solid waste. Response surface methodology (RSM) analysis was applied to analyze the interaction effect of model parameters on model outputs. Results showed a significant interaction between sea temperature and response arrival time on recovered oil and between sorbent boom weight and sorbent booms usage rate on solid waste. The developed model can provide an effective tool for informed waste management decision-making related to marine oil spill response operations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».