Decision Support System for Lateral Pipe Rehabilitation: Case Study Analysis
Notice bibliographique
Résumé
Laterals, connecting between the mainline sewer and individual households, have long been considered as a great source of infiltration and inflow (I/I) to municipal wastewater networks. This paper discusses decision support system focusing on a case study database that provides guidelines for the selection of technically viable and cost-effective lateral rehabilitation methods. The objective of this study was to find (1) how a case study database can be utilized to combine a list of parameters regarding lateral rehabilitation, (2) what is the average cost per linear foot per inch diameter ($/lf-in) for lateral rehabilitation, and (3) what are the most popular rehabilitation methods as well as host pipe materials. In order to accomplish these objectives, a questionnaire-based survey was conducted with municipalities and consulting companies across the USA, Canada, and Europe. Based on the data collected from survey and literature study, a list of 34 lateral rehabilitation case studies was summarized in a project database. The typical range of maximum and minimum values were presented for parameters such as lateral diameter, rehabilitated length, duration, and cost per linear foot per inch diameter ($/lf-in) of rehabilitation. It was computed that the average cost per linear foot-inch diameter for lateral rehabilitation methods using CIPP relining, pipe bursting, and flood grouting was about $20, $12, and $8 respectively. Furthermore, the most popular methods of sewer laterals renewal were CIPP relining and pipe bursting. Finally, it was observed that the most common lateral host pipe material was vitrified clay pipe (VCP).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 0,001 |
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.
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 ».