MétaCan
Menu
Retour à la cohorte
Enregistrement W1970743258 · doi:10.1061/(asce)1076-0342(2004)10:3(119)

Life-Cycle Energy Analysis of a Water Distribution System

2004· article· en· W1970743258 sur OpenAlexaff
Yves Filion, Heather L. MacLean, Bryan Karney

Notice bibliographique

RevueJournal of Infrastructure Systems · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesU.S. Department of Commerce
Mots-clésDispose patternEnergy (signal processing)Service lifeEngineeringEnvironmental scienceEnergy recoveryReliability engineeringProcess engineeringWaste managementStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

The paper presents a life-cycle energy analysis (LCEA) to quantify energy expenditures in the fabrication, use, and end-of-life stages of the pipes of a water distribution system. The methodology incorporates the capabilities of environmental input-output life-cycle analysis to quantify the energy required to fabricate pipes. The EPANET2 hydraulic model is applied in conjunction with a pipe-aging model to calculate the theoretical energy recovery in the use stage. An exponential pipe-break model is applied to quantify the energy required to repair pipe breaks during the use stage of a system. Simple formulations are developed to estimate the energy required to dispose of and recycle pipes once their service period has expired. The LCEA methodology is then applied to the New York City (NYC) water supply tunnels example to quantify energy expenditures in four planning scenarios with 10-, 20-, 50-, and 100-year pipe replacement frequencies. The results of the NYC example highlight the tension between the energy costs incurred in the fabrication and end-of-life stages of a system and those incurred in the use stage. A pipe-replacement period roughly equal to 50 years yielded the lowest overall energy expenditure in the three life stages. A sensitivity analysis was carried out to assess the influence of uncertain system parameters on energy expenditure estimates.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,002
Tête enseignante GPT0,160
Écart entre enseignants0,158 · 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'étudeSimulation ou modélisation
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

Citations164
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Infrastructure SystemsMême sujetWater Systems and OptimizationTravaux en français237 207