Omnigraph
Graph engine for context assembly. Object-storage native. Agents work with graph data the way engineers work with code: branched, typed, reviewed, merged, audited, and governed.
Wie viel CO₂e der geplante Wärmeverbund Binningen und seine Alternativen bis 2078 zusätzlich in die Atmosphäre bringen – mit allen Annahmen, Quellen und Unsicherheiten zum Selbst-Verstellen.
Translation pending
DataR · HTMLGitHub @scjohannesOnlineOwner unconfirmed
Have you tried it? One tap is enough. No sign-in needed.
No updates detected yet. GitHub releases will appear here.
Owners of public repositories under a personal GitHub account can sign in to verify ownership and manage the introduction themselves. No administrator approval is needed.
Sign in, generate a verification file, and commit it to this repository’s default branch within 30 minutes. Files on other branches or forks do not count. Then check the file below to manage the project without administrator approval. Keep the file to retain your access.
If needed, you will go to sign-in. After signing in, return here and press your chosen verification button again.
Run /nomorevibe verify in your project folder to verify ownership and manage the introduction yourself.
Verify in one minuteAsk about other verification options
Wie viel CO₂e bringt der geplante Wärmeverbund Binningen zusätzlich in die Atmosphäre? Interaktiver Vergleich mit Alternativen, alle Annahmen mit Quellen.
Translation pending
Taken from the repository README
Loading the full README.
Read the full README ↗Wie viel CO₂e bringt der geplante Wärmeverbund Binningen (Holzschnitzel) bis 2078 zusätzlich in die Atmosphäre, verglichen mit anderen Wegen, dieselbe Raumwärme zu liefern? Gerechnet wird die tatsächliche Wirkung über die Zeit: Kamin-CO₂ minus das, was der Wald inzwischen nachgewachsen ist bzw. was ohnehin verrottet wäre, plus Vorketten, Strom und Bau.
Website: https://scjohannes.github.io/co2-waermeverbund-binningen/
Alle Annahmen lassen sich auf der Website verstellen; jede trägt eine Quelle. Die Unsicherheit wird mit 1000 Ziehungen aus den Verteilungen aller unsicheren Annahmen gezeigt.
| Ordner / Datei | Inhalt |
|---|---|
docs/ | Die Website: HTML, CSS und JavaScript ohne Build-Schritt; GitHub Pages liefert den Ordner direkt aus |
parameter.csv | Alle Annahmen mit Standardwert, Bereich und Quelle |
priors.csv | Verteilung jeder unsicheren Annahme (Literatur-Bereich, 5.–95. Perzentil) |
literatur.csv | Literaturliste |
methode.html, formeln.html | Methode und Formeln (für Website und Shiny-App) |
R/, app.R | Das Referenzmodell in R und eine Shiny-App mit demselben Inhalt |
web/ | Skripte, die die Daten der Website erzeugen, und Tests, die JavaScript gegen R prüfen |
tests/ | Tests des R-Modells |
R ist die Referenz. Die Website rechnet dasselbe Modell in JavaScript; die Tests vergleichen jeden Regler auf Minimum und Maximum, zehn Sonderfälle und von R gezogene Parametersätze mit R.
Aus diesem Ordner, mit R und Node.js:
Rscript web/bauen.R
erzeugt docs/js/daten.js neu aus den CSV-Dateien, der Methode und den Formeln. Danach prüfen:
Rscript web/referenz.R
node --test "web/tests/*.test.js"
Rscript -e "testthat::test_dir('tests')"
Die Website braucht einen Webserver (wegen des Hintergrund-Threads für die Unsicherheit), zum Beispiel:
Rscript -e "httpuv::runStaticServer('docs', port = 8768)"
Die Shiny-App startet mit Rscript -e "shiny::runApp()" und braucht die Pakete shiny, bslib,
ggplot2 und cachem.