MétaCan
Menu
Retour à la cohorte
Enregistrement W7098872614

Data Management and Emissions Estimation for a Ports Landside Emission Inventory for the Vancouver Fraser Port Authority

2015· article· en· W7098872614 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGenetic and Environmental Crop Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPort (circuit theory)Terminal (telecommunication)Work (physics)Fuel efficiencyEmission inventoryEstimationData collectionDistribution (mathematics)Calibration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A Landside Emissions Inventory for over 90 marine terminals under the administration of the Vancouver Fraser Port Authority in British Columbia was completed in 2008. The Inventory is activity based, with estimates of common air contaminants, air toxics and fuel consumption at several different levels of resolution. Data collection was challenged by the wide spatial distribution of terminals in the region and the level of effort terminal managers were willing to expend. To minimize a prohibitive amount of ‘leg work ’ in capturing accurate data for cargo handling, trucking and rail activity, an excel questionnaire was developed and linked to an emissions inventory (EI) database. The EI database was configured with a matrix of EPA MOBILE and locomotive emission factors to link with trucking and rail activity input fields in the questionnaire. More significantly, the EPA NONROAD methodology and data tables were linked such that the NONROAD emissions model was mimicked internally, bypassing model defaults. The result was a largely automated, functional database EI model with routines to import a terminal’s activity information, complete all emissions calculations and conduct accuracy checks based on fuel criteria. In addition, the estimation routines were complemented so that use of alternative fuels (e.g., biodiesel) could be handled. The EI model minimized manual calculation efforts and allowed more time to be spent on dialogue with terminal operators to improve activity level estimates. The database was linked with the input terminal questionnaires, facilitating scenario testing and forecasting, which was a required component of the EI project.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: aucune
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil0,656

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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 Opus0,089
Tête enseignante GPT0,275
Écart entre enseignants0,186 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGenetic and Environmental Crop StudiesTravaux en français237 207