MétaCan
Menu
Retour à la cohorte
Enregistrement W1989047729 · doi:10.14796/jwmm.c371

Monitoring Performance of Low Impact Development Measures Implemented at the Conestoga College South Campus

2014· article· en· W1989047729 sur OpenAlexaffvenueabout
Ann C. Sychterz, Tim Schill, Brian Verspagen

Notice bibliographique

RevueJournal of Water Management Modeling · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensEmmanuel Bible CollegeConestoga CollegeUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTrenchInfiltration (HVAC)GritEnvironmental scienceEngineeringGeographyMaterials scienceMeteorologyPsychology

Résumé

récupéré en direct d'OpenAlex

Through a system of bioswales, infiltration galleries, detention ponds, oil-grit separators and a cooling trench, the discharge from a new development can match or exceed in quality the pre-development discharge. These considerations underlie the stormwater management design for Conestoga College's South Campus in Cambridge, Ontario. The site was equipped with bioswale infiltration gallery inspection ports, seepage collection system monitoring locations, groundwater monitoring locations, temperature monitors and level monitors. The data was collected for a period of 6 months in 2012 as part of a 5 y monitoring program to assess the performance of the design implementation. In conjunction with rainfall and ambient temperature data, the effectiveness of the stormwater system to reduce the volume of runoff, the peak flow and the discharge temperature was determined via statistical analysis. In addition to meeting the runoff and peak flow control objectives, the temperature differential across the monitoring stations demonstrated that there was an average cooling of the runoff. The temperature differential was compared to initial conditions such as ambient temperature, initial runoff temperature and water level. Each of these relationships fitted a linear regression, which indicates a good method for predicting future performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,226
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,226
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations3
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetUrban Stormwater Management SolutionsTravaux en français237 207