MétaCan
Menu
Retour à la cohorte
Enregistrement W4389902778 · doi:10.1016/j.ngib.2023.11.006

Modelling underground coal gasification: What to start with

2023· article· en· W4389902778 sur OpenAlexafffund
Liangliang Jiang, Lele Feng, Wu Gao, Jin Sun, Anqi Shen, Jiang Liu, Zixiang Wei, Dan Xue, Shanshan Chen, Yanpeng Chen, Zhangxin Chen, S.M. Farouq Ali

Notice bibliographique

RevueNatural Gas Industry B · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Innovates - Technology FuturesWestern Canada Research GridEnergi SimulationCompute Canada
Mots-clésUnderground coal gasificationCoalClean coalSituatedEngineeringCoal miningPetroleum engineeringConstruction engineeringMining engineeringComputer scienceWaste managementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Underground coal gasification (UCG) is widely regarded as a clean coal technology that holds enormous potential to decarbonize the world's coal industry. It converts coal underground into combustible syngas through a set of complex physiochemical events. Experimental and numerical efforts over the past century have contributed to the development of UCG around the world; however, tapping the world's deep-situated coal resources with UCG requires substantial contributions from numerous high-quality researchers. To facilitate effective engagement, this paper will provide a background on where to start if one wishes to undertake UCG modelling. First, a brief description of the fundamental phenomena involved in UCG is given. Then, a succinct introduction of the widely used modelling software is rendered, followed by a description of UCG studies to provide insight how to tune the various software packages for modelling UCG and where their strengths lie. This paper shall serve as guidance to new UCG modellers.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,044
Tête enseignante GPT0,250
Écart entre enseignants0,206 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNatural Gas Industry BMême sujetMining and Gasification TechnologiesTravaux en français237 207