MétaCan
Menu
Retour à la cohorte
Enregistrement W2053648348 · doi:10.1061/41099(367)15

Permeable Pavement Performance over 3 Years of Monitoring

2010· article· en· W2053648348 sur OpenAlexaff
Elizabeth Fassman‐Beck, Sam Blackbourn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensAecom (Canada)
Organismes subventionnairesUniversity of Auckland
Mots-clésEnvironmental scienceSurface runoffPollutantHydrology (agriculture)StormWater qualityFirst flushAsphaltPervious concreteGeotechnical engineeringStormwaterGeology

Résumé

récupéré en direct d'OpenAlex

A 200 m2 permeable pavement test site was installed along Birkdale Road on Auckland's North Shore. Data from the permeable pavement section and an adjacent conventional asphalt section were collected concurrently in 2006 and 2008. Despite installation on an atypical high slope (6.5–6.8%), relatively impermeable subsoils, and active roadway, overall system performance was exceptional. For the 81 complete storms monitored for hydrology, peak flow, runoff timing and volume compared well to predevelopment conditions. A catchment designed on an LID-basis of controlling frequently occurring events would be well served using permeable pavement. Additional hydrologic control may be needed for design storms greater than 5-yr ARI. Water quality characterization for 4–17 storms (depending on pollutant type) was comparable to or better than typical end-of-pipe devices for TSS, PSD, total and recoverable Cu and Zn, and dissolved Cu and Zn. The permeable pavement discharge water quality had consistent event mean concentrations which were statistically lower than the conventional asphalt. Pollutant removal efficiencies are presented. A properly designed permeable pavement section would likely provide adequate treatment for an expanded source area. Permeable pavements should be given strong consideration as an LID at-source control.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,995

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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'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

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Stormwater Management SolutionsTravaux en français237 207