Single-objective deterministic versus multi-objective stochastic water network design: Practical considerations for the water industry
Notice bibliographique
Résumé
The strategy in single-objective deterministic water network design is to size and locate components to minimize capital cost and meet future peak demands at or above a minimum pressure. Increasingly, practitioners are turning to multi-objective stochastic design to balance the minimum-cost objective with hydraulic performance objectives. The aim of the current paper is to review single-objective deterministic and multi-objective stochastic network design and discuss practical considerations concerning their advantages and disadvantages of relevance to water industry professionals and practitioners. Key differences in data and computational requirements, comprehensiveness of analysis, and decision flexibility between the two approaches are illustrated with a complex, hypothetical network example. A Monte-Carlo simulation program was used to solve the multi-objective stochastic problem and generate a set of Pareto or near-Pareto solutions with pipe cost ranging between $9.3 and $17.4 million and hydraulic robustness ranging between 65.8 and 96.4 per cent. Results indicated a non-linear relationship between pipe cost and robustness typical of many systems and that a large premium must be paid to achieve marginal improvements in robustness beyond a value of 90 per cent. The MCS program was run for 30.6 h to test the hypothetical network against a broad range of demands to ensure a high level of hydraulic robustness. The Pareto curve allows the decision maker the opportunity to quickly assess trade-offs between pipe cost and robustness.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».