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 OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

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