MétaCan
Menu
Retour à la cohorte
Enregistrement W6884642383 · doi:10.11575/prism/35872

Adoption Of Ceramic Membrane Technology In Albertas SAGD Operations

2013· other· en· W6884642383 sur OpenAlexaboutno aff

Notice bibliographique

RevuePRISM (University of Calgary) · 2013
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)LiquationFilter (signal processing)LimitingDiafiltration

Résumé

récupéré en direct d'OpenAlex

Oil sands operations are seen to have a negative impact to the environment by producing a large quantity of green house gas emissions as well as being a large consumer of water during the extraction process. As of right now, natural gas prices are too low to consider using carbon capture storage technologies to generate heat and electricity in SAGD operations which has led to the government of Alberta missing its target of reducing their green house gas emissions (CBC, 2013). The alternative is to improve the existing methods and technologies that decrease the water consumption as well as green house gas emissions. COSIA, in partnership with numerous oil and gas companies, are currently working on using ceramic membranes in their SAGD operations. What this new technology means is that it reduces the overall environmental impact by decreasing their total overall water consumption, improving efficiencies, energy expended on steam generation, and reducing their green house gas emissions, while still being able to use the same methods for oil extraction in Alberta’s oil sands. Ceramic membrane technology would allow the water recycling process to remove a number of steps as well as reducing the cost of de-oiling systems, filters, and lime softening (COSIA, 2013) However one of the main barriers that needs to be overcome is the cost to implement this technology means stopping production at a SAGD facility for a period of time which could effect the price of oil (COSIA, 2013).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,226

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,007
Tête enseignante GPT0,193
Écart entre enseignants0,185 · 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'étudeSans objet
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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Travaux en français237 207