Optimization of Water Tank Design and Location in Water Distribution Systems
Notice bibliographique
Résumé
Water distribution system (WDS) design has been the subject of minimal improvements over the last decade, despite the fact that the accessibility of computer models has increased. Water distribution pipes are designed to provide adequate pressure at distribution nodes and reasonable velocities in pipes. This is usually done with a hydraulic solver coupled with the engineering expertise of the designer. Storage tanks are designed according to standard requirements considering minimal values provided by local guidelines. Storage tank allocation is generally done without taking into account the network capacity and robustness. Tanks are located next to the distribution area with highest demand and considering other site-specific constraints (topology, multiple pressure-zone systems, etc.). Optimal network configuration, in terms of hydraulic efficiency and water quality, is rarely considered. Long residence time results in the loss of disinfectant residual and favors water quality degradation. Up to now, the optimization of the WDS design and operations have mostly focused on pipe sizing and pumping schedules without taking into account storage tank locations, storage capacity and water quality. The purpose of this paper is to present a new methodology to optimize water storage tank volume and location. This methodology, will take into account hydraulic requirements as well as water quality requirements (by minimizing the residence time in order to reduce disinfectant decay and disinfection by-product formation). The proposed methodology will be tested on a small study case. The optimization model, linked with EPANET, is applied to this benchmark and results are analyzed.
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 ».