MétaCan
Menu
Back to cohort
Record W2264538174

Mise en valeur du biogaz des usines de biométhanisation de Montréal : perspectives, analyses et recommandations

2011· article· fr· W2264538174 on OpenAlexaboutno aff
Éric Pinard

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2011
Typearticle
Languagefr
FieldEngineering
TopicBiofuel production and bioconversion
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical science
DOInot available

Abstract

fetched live from OpenAlex

Le 1er février 2010, les gouvernements du Québec et du Canada ont annoncé leur appui financier à la construction de deux usines de biométhanisation à Montréal. L’utilisation dubiogaz issu de la fermentation des matières organiques résiduelles de ces bioréacteurs est l’objet de cet essai et l’objectif est de déterminer la voie de mise en valeur optimale en appliquant une méthode d’analyse multicritère dans une perspective de développementdurable. Le biogaz est principalement un mélange de méthane et de dioxyde de carbone. Le biogaz brut s’apparente à certains gaz naturels et le biogaz peut être purifié en biométhane, un produit assimilable au gaz naturel. De ces propriétés chimiques et transformations possibles découlent de vastes possibilités de mise en valeur du biogaz. À la simple production de chaleur ou d’électricité, s’ajoutent de variantes possibles quant à l’utilisation de l’énergie finalement produite. Par exemple, la mise en valeur comme carburant est possible sous forme de biométhane compressé ou liquide, ainsi que sous forme de méthanol. En résumé, les modes de mise en valeur par la chaleur, par l’électricité, parl’insertion du biométhane dans le réseau de gaz naturel, par la production d’un biocarburant et par l’utilisation comme intrant pour l’écologie industrielle ont été explorés. Les résultats démontrent que le mode de mise en valeur le plus performant est l’utilisation du biogaz pour la production de biométhane carburant compressé pour véhicule. La performance du mode carburant est attribuable à plusieurs éléments : son potentiel de substituer les énergies fossiles et d’ainsi diminuer la production de gaz à effet de serre et l’acidification; la diminution des polluants atmosphériques et l’amélioration de la qualité de vie en corollaire; sa capacité de responsabilisation citoyenne au tri des matières résiduelles; son efficacité énergétique; et son potentiel de stimulation de l’économie québécoise. Le mode carburant a toutefois moins bien performé en ce qui a trait à la rentabilité et la complexité, critères pour lesquelles la cogénération obtenait les meilleurs résultats.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.064
Threshold uncertainty score0.323

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.004
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.004
Science and technology studies0.0020.002
Scholarly communication0.0050.001
Open science0.0020.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.033
GPT teacher head0.228
Teacher spread0.195 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2011
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicBiofuel production and bioconversionFrench-language works237,207