MétaCan
Menu
Retour à la cohorte
Enregistrement W2165577208 · doi:10.2166/wqrjc.2013.009

Computational modelling techniques in the optimization of corrosion control for reducing lead in Canadian drinking water

2013· article· en· W2165577208 sur OpenAlexaboutno aff
Colin Hayes, T.N. Croft, Amity Campbell, Ian Douglas, P. Gadoury, Michael R. Schock

Notice bibliographique

RevueWater Quality Research Journal · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSampling (signal processing)Compliance (psychology)Environmental scienceLaminar flowWater supplySample (material)Environmental engineeringComputer scienceEngineeringChemistryFilter (signal processing)

Résumé

récupéré en direct d'OpenAlex

Compliance modelling has been used to good effect in the optimization of plumbosolvency control in the UK and was evaluated in the Canadian and US contexts via three case studies. In relation to regulatory compliance, supplementary orthophosphate dosing could be justified in one water supply system but not in one other. Compliance modelling indicated that Health Canada's Tier 1 protocol is much less stringent than its Tier 2 protocol and that optimization based on 6+ hour stagnation samples vs 15 μg/l is likely to be more stringent than that based on 30 min stagnation samples vs 10 μg/l. The modelling of sequential sampling for an individual home indicated that sample results could be markedly affected by the length of the lead service line, by the length of the copper premise pipe and by pipe diameters. The results for sequential sampling were also dependent on flow characteristics (plug vs laminar). For either regulatory compliance assessment or for the optimization of plumbosolvency control measures, routine sequential sampling from the same houses at a normalized flow will minimize these variable effects.

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)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,186
Score d'incertitude au seuil0,951

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
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)0,0000,000

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 Opus0,078
Tête enseignante GPT0,349
Écart entre enseignants0,271 · 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.

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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetWater Treatment and DisinfectionTravaux en français237 207