MétaCan
Menu
Retour à la cohorte
Enregistrement W2131619144 · doi:10.1139/l07-075

Water pipe renewal using a multiobjective optimization approach

2008· article· en· W2131619144 sur OpenAlexvenueno aff
Amir Nafi, Caty Werey, Patrick Llerena

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPareto principleReliability (semiconductor)Multi-objective optimizationScheduling (production processes)Pipe network analysisRanking (information retrieval)Genetic algorithmOperations researchReliability engineeringComputer scienceEngineeringOperations management

Résumé

récupéré en direct d'OpenAlex

Water utilities ensure the delivery of water to consumers through a pressured network composed of several hydraulic components: reservoirs, pipes, valves, and pumps. A right maintenance policy that takes into consideration both technical and economic factors must be applied to enhance the hydraulic performance and reliability of the water network. With the help of a multiobjective approach based on a Pareto ranking and a modified genetic algorithm, we propose a decision support model that ensures the scheduling of pipe renewal according to available financial resources. The model is based on forecasting pipe failures and evaluating future maintenance costs. Two indexes are used to measure the hydraulic deficiency in the water network after a failure occurrence. They measure the undelivered water quantity and the number of unsupplied nodes when a considered pipe is unavailable during the peak demand period. Both indices permit classification of pipes and help identify critical ones. Feasible solutions are assessed according to economic and technical objectives. The model proposes solutions that enhance the reliability of a water distribution network and reduce failure occurrences, thus giving better satisfaction to consumers.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,160
Écart entre enseignants0,148 · 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'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

Citations19
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetWater Systems and OptimizationTravaux en français237 207