MétaCan
Menu
Retour à la cohorte
Enregistrement W2041511248 · doi:10.1061/(asce)ee.1943-7870.0000854

Winter Effluent Quality from Partial-Infiltration Permeable Pavement Systems

2014· article· en· W2041511248 sur OpenAlexaff
Jennifer Drake, Andrea Bradford, Tim Van Seters

Notice bibliographique

RevueJournal of Environmental Engineering · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of GuelphToronto and Region Conservation AuthorityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnvironmental sciencePollutantEffluentSurface runoffInfiltration (HVAC)Water qualitySuspended solidsEnvironmental engineeringHydrology (agriculture)Environmental chemistryGeotechnical engineeringChemistryGeologyWastewater

Résumé

récupéré en direct d'OpenAlex

This study, conducted between 2010 and 2012, compares the winter quality of storm water outflows from one pervious concrete and two permeable interlocking concrete pavement systems with runoff from an asphalt control pavement. The permeable pavement systems were designed for partial infiltration with underdrains. During the winter, the pavements were plowed and, occasionally, salted. Analyses are based on samples of permeable pavement effluent and asphalt runoff collected for 19 events over two winter seasons. The permeable pavement systems performed similarly and provided excellent storm water treatment during winter months by reducing event mean concentrations (EMC) and total pollutant loadings for petroleum hydrocarbons, total suspended solids, metals (copper, iron, manganese, and zinc), and nutrients (total-nitrogen and total-phosphorus). The permeable pavements were also shown to provide temporary storage and create opportunities for the dilution of sodium and chloride in outflows. Road salt was identified as a pollutant source for numerous pollutants beyond sodium and chloride. Freezing conditions did not inhibit the functionality of the permeable pavement systems for storm water treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,009
Tête enseignante GPT0,191
Écart entre enseignants0,182 · 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

Citations43
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207