Predicting power plant emissions using public data and machine learning
4Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : us. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We show that combining a variety of public datasets and non-linear machine learning models can predict emissions from electric generating units at good accuracy without any proprietary information.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Predicting power plant emissions using public data and machine learning
- Date Crossref
- 01/01/2023
- Éditeur
- Royal Society of Chemistry (RSC)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Energy Load and Power ForecastingAir Quality Monitoring and Forecasting