MétaCan
Menu
Retour à la cohorte
Enregistrement W4392404703 · doi:10.18174/650013

Methaanoxidatie bij mestopslagen : Voortgangsverslag deel 1: werking en aandachtspunten voor 3 methaanoxidatie technieken

2024· report· nl· W4392404703 sur OpenAlexaff
E. Maasdam, C. Daatselaar, H. A. J. Oonk, N. Bondt, L. Jansen, K De Kroes

Notice bibliographique

Revuenon disponible
Typereport
Languenl
DomaineMaterials Science
ThématiqueCollagen: Extraction and Characterization
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

This project has focussed on researching the possibilities of capturing methane at manure storages and subsequently convert (oxidise) it into CO2. For three types of manure storages (manure bags, manure silos and manure basins) a test was performed to capture methane with as few as possible adjustments to existing storage facilities. Subsequently, a pilot was carried out with three different methane oxidation techniques with manure bags; chemical oxidation with a torch and biologically oxidation with a biofilter and a soilfilter. The first tests show that for all three techniques it is possible to oxidize methane with an efficiency of >95%, 60-80% and 60-70% respectively. Calculations with a methane production model and a cost analysis show that cost efficiency is highest if manure is stored as quickly as possible in a manure storage coupled to a methane oxidation technique. The field filter is the cheapest solution, but the total amount of methane converted is higher with flaring and the biofilter. In addition, the parties who will be involved in, among other things, licensing and control of the techniques were interviewed. The interviews show that assurance of the continued working of the technique and enforcement will play a crucial role in the acceptance of the techniques in livestock farming.

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 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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0570,015

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 Opus0,030
Tête enseignante GPT0,309
Écart entre enseignants0,278 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCollagen: Extraction and CharacterizationTravaux en français237 207