Optimization of landfill gas generation based on a modified first-order decay model: A case study in Quebec province
Notice bibliographique
Résumé
Abstract Landfills will likely remain an essential part of integrated solid waste management systems in many developed and developing countries for the foreseeable future. This paper uses a genetic algorithm to fit parameters to a CH4 and H2S generation model independently based on a modified first-order decay model. In the case of CH4 generation modeling, biodegradable organic waste (OW) was segregated into food waste, yard waste, paper, and wood. In addition to optimizing the OW fractions, key modeling parameters of OW, such as CH4 generation potential (\({L}_{0}\)) and CH4 decay rate (\({k}_{C{H}_{4}}\)), were determined independently for different periods in the life of the landfill. Similarly, in the case of H2S generation modeling, the construction and demolition waste (CD) was classified into fines (FCD) and bulky materials (BCD), and H2S generation potential (\({S}_{0}\)) and H2S decay rate (\({k}_{{H}_{2}S}\)) of FCD and BCD were determined. Landfill gas (LFG) collection data from a site in Quebec province (Canada) was used to validate the LFG generation model. A range of scenarios was analyzed using the validated model, including twelve scenarios for CH4 and two for H2S modeling, respectively. The results showed that the differentiation of more waste types improves the modeling accuracy for CH4. Moreover, within the decade-long lifetime of a landfill, the waste management strategies change, requiring different assumptions for the modeling. Also, the work showed the importance of considering how different sectors of a landfill are filled over time. Finally, scenario twelve, which assumed four waste types, constant three periodic waste fractions, and six sectors, had the lowest residual sum of squares (RSS) value. For H2S generation modeling, both scenarios, with or without separate fits of \({S}_{0}\) and \({k}_{{H}_{2}S}\) for FCD and BCD, predicted the generated H2S well and had a very similar RSS value. Further data could improve H2S generation modeling.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».