MétaCan
Menu
Retour à la cohorte
Enregistrement W4410542096 · doi:10.4314/swj.v20i1.35

Optimal site selection for nuclear power plants in Nigeria using geospatial multi-criteria-evaluation techniques

2025· article· en· W4410542096 sur OpenAlexaboutno aff
Aliyu Jaafar Abubaka, Yakubu Yunus Yakubu, Hamid Muhammad, Saadatu Umaru Baba, Kabiru Shehu

Notice bibliographique

RevueScience World Journal · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeospatial analysisSelection (genetic algorithm)Site selectionNuclear powerComputer scienceEnvironmental scienceGeographyBiologyRemote sensingArtificial intelligencePolitical scienceEcology

Résumé

récupéré en direct d'OpenAlex

To ensure safety, environmental sustainability, and operational efficiency, nuclear power plants must be meticulously planned and evaluated before they can be constructed. This study aims to determine whether nuclear power plants are suitable for construction in Nigeria based on a geospatial Multi-Criteria Evaluation (MCE) approach within a Geographic Information System (GIS). Nuclear power presents a practical alternative because of its significant efficiency and minimal greenhouse gas emissions. To determine the most viable locations for nuclear power plants, the research combines a range of spatial datasets, including Digital Elevation Models (DEM), population density maps, drainage networks, transportation networks, and geological fault maps. A spatial data processing method is employed using ArcGIS 10.4.1, which includes; map overlay operations, buffer analysis, geoprocessing, and map algebra. The criteria evaluated in the study include; relief areas with elevations above 700m to avoid flooding, lower population density areas to minimize risks exposure, areas with 20km proximity to water bodies for cooling nuclear reactors, and 20km minimum distance from fault zones for seismic stability and safety. Results based on the identified criteria indicates several states (13)- Kaduna, Katsina, Plateau, Gombe, Borno, Adamawa, Taraba, Benue, Cross River, Zamfara, Ondo, Kano, Nassarawa, and the Federal Capital Territory (FCT) - exhibit optimal conditions for the selection of nuclear power plant sites. The findings of this study are consistent with those of countries such as France, South Africa, and Canada, which use spatial evaluation techniques for site selection similar to those used in this study. Providing insights into the optimal site selection could contribute to energy security and Sustainable energy development in Nigeria

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,149
Tête enseignante GPT0,483
Écart entre enseignants0,334 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience World JournalMême sujetMulti-Criteria Decision MakingTravaux en français237 207