Financial Benefits from Seven Years of Water Loss Control Utilizing the Sahara System at Thames Water in the United Kingdom
Notice bibliographique
Résumé
Thames Water Utilities Limited is the largest water and wastewater services company in the United Kingdom. It serves 13 million customers in London and across the Thames Valley, from Kent and Essex in the east to the edges of Gloucestershire in the west. The utility business treats and supplies an average of approximately 2,700 million liters (713 million US gallons) of water per day. In London as a whole, over a third of mains are more than 150 years old. Over half are more than 100 years old. Thames Water initiated trunk main leakage reduction programs concentrating on unaccounted for water losses in its transmission mains before the distribution network. A range of new and traditional leak detection methods was compared. Parameters included cost of operation, sensitivity of detection and accuracy of location. Thames concluded that the Sahara Leak Location system was the most accurate and cost effective way of detecting and locating trunk main leaks. Consequently, Sahara was used exclusively for subsequent phases. To date, over 960 surveys have been completed and over 960 leaks have been located with Thames Water reporting that, recently, the average leak repaired is approximately 0.15Ml/day (25 US gallons/day) arising mainly from deteriorated lead run joints on cast iron mains and corrosion through the wall of steel mains. In excavating at the identified locations, Thames Water quoted a near 100% accuracy record. This paper discusses the financial benefits to Thames Water from the annual volume of leaks identified within their water transmission system in the eight years from 1998 to 2005, including the cumulative leakage found as well as the approximate leak volume per distance inspected each year.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».