MétaCan
Menu
Retour à la cohorte
Enregistrement W2024645709 · doi:10.1021/es4006256

Water Loss Control Using Pressure Management: Life-cycle Energy and Air Emission Effects

2013· article· en· W2024645709 sur OpenAlexaboutno aff
Jennifer Stokes-Draut, Arpad Horvath, Reinhard Sturm

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesArizona State UniversityCalifornia Energy CommissionNational Science Foundation
Mots-clésGreenhouse gasEnvironmental scienceEnergy consumptionEnvironmental engineeringEnergy managementLife-cycle assessmentWater flowPressure controlWaste managementEngineeringEnergy (signal processing)Production (economics)Economics

Résumé

récupéré en direct d'OpenAlex

Pressure management is one cost-effective and efficient strategy for controlling water distribution losses. This paper evaluates the life-cycle energy use and emissions for pressure management zones in Philadelphia, Pennsylvania, and Halifax, Nova Scotia. It compares water savings using fixed-outlet and flow-modulated pressure control to performance without pressure control, considering the embedded electricity and chemical consumption in the lost water, manufacture of pipe and fittings to repair breaks caused by excess pressure, and pressure management. The resulting energy and emissions savings are significant. The Philadelphia and Halifax utilities both avoid approximately 130 million liters in water losses annually using flow-modulated pressure management. The conserved energy was 780 GJ and 1900 GJ while avoided greenhouse gas emissions were 50 Mg and 170 Mg a year by Philadelphia and Halifax, respectively. The life-cycle financial and environmental performance of pressure management systems compares favorably to the traditional demand management strategy of installing low-flow toilets. The energy savings may also translate to cost-effective greenhouse gas emission reductions depending on the energy mix used, an important advantage in areas where water and energy are constrained and/or expensive and greenhouse gas emissions are regulated as in California, for example.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 GPT0,165
Écart entre enseignants0,163 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations36
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetWastewater Treatment and ReuseTravaux en français237 207