MétaCan
Menu
Retour à la cohorte
Enregistrement W2008422231 · doi:10.14796/jwmm.c365

Full Scale Up-Flo Filter Field Verification Tests

2014· article· en· W2008422231 sur OpenAlexvenueno aff
Yezhao Cai, Robert E. Pitt, Noboru Togawa, Kevin McGee, Kwabena Osei, Bob Andoh

Notice bibliographique

RevueJournal of Water Management Modeling · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Maintenance and Monitoring
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScale (ratio)Field (mathematics)Computer scienceMathematicsGeographyCartography

Résumé

récupéré en direct d'OpenAlex

Full scale field tests of the Up-Flo filter have been conducted at the Bama Belle Riverwalk parking lot test site in Tuscaloosa, Alabama for the past several years.Forty storm events have been monitored and sampled, and these field performance results indicate that the Up-Flo filter has excellent removals for particulates during a wide-range of hydraulic-rainfall conditions.Total suspended solids removal was about 82% for influent concentrations ranging from 11 mg/L to 571 mg/L; suspended solids concentration flow-weighted removal was about 90%; flow-weighted turbidity removal about 61%.Particle size distribution analysis determined that the influent median particle size of the 40 sampled storms was about 460µm and about 45 µm for the effluent.Nutrient reductions were about 37% and 17% for total nitrogen and total phosphorus, respectively.Metal reductions ranging from about 54% to 76% for total copper, 67% to 98% for total lead, and 79% to 83% for total zinc.Bacteria reductions were 53% for E. coli.and 57% for Enterococci.Additional event data are being collected and will be further analyzed to examine performance behavior as a function of a wide range of rainfall and runoff conditions.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,194 · 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'étudeObservationnel
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetInfrastructure Maintenance and MonitoringTravaux en français237 207