MétaCan
Menu
Retour à la cohorte
Enregistrement W2031983580 · doi:10.14796/jwmm.c373

Laboratory Column Test for Predicting Changes in Flow with Changes in Various Biofilter Mixtures

2014· article· en· W2031983580 sur OpenAlexvenueno aff
Redahegn Sileshi, Robert E. Pitt, Shirley E. Clark

Notice bibliographique

RevueJournal of Water Management Modeling · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Alabama
Mots-clésBiofilterEnvironmental scienceInfiltration (HVAC)Column (typography)Flow (mathematics)Environmental engineeringMaterials scienceMechanicsEngineeringComposite materialStructural engineering

Résumé

récupéré en direct d'OpenAlex

The performance of biofiltration and other infiltration systems in urban areas is affected by factors such as media particle size distributions and uniformity, and the degree of compaction during construction. This paper describes a series of controlled laboratory column tests conducted using various biofilter media to measure changes in flow with changes in the mixture characteristics, focusing on media density associated with compaction, particle size distribution (and uniformity), and amount of organic material (due to added peat). The results of the performance measurements of these mixtures were also verified using column tests (for different compaction conditions) of surface and subsurface soil samples obtained from Tuscaloosa, Alabama along with biofilter media obtained from Kansas City, North Carolina, and Wisconsin. The results of the full factorial analyses indicate that texture and uniformity of the media mixture have the greatest effect on the measured final infiltration rates of the media. The organic matter in the biofilter media does not have a significant effect by itself on the infiltration rate compared to the other factors (texture, uniformity and compaction). However the organic matter serves as a reservoir of nutrients and water in the biofilter media and increases water infiltration into the media.

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)0,001
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 enseignants0,142
Score d'incertitude au seuil0,579

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,203
Écart entre enseignants0,191 · 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'admission1
Résumé présentoui

Explorer davantage

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