MétaCan
Menu
Retour à la cohorte
Enregistrement W2166241551 · doi:10.1061/9780784479087.264

Stormwater Sediment Filtration Using Sand versus Synthetic Fibers

2015· article· en· W2166241551 sur OpenAlexaboutno aff
Milind V. Khire, Duraisamy S. Saravanathiiban, Mark Verwiel, Christopher Prucha, Terry L. Johnson

Notice bibliographique

RevueIFCEE 2015 · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTurbidityCloggingFiltration (mathematics)Hydraulic conductivityEffluentStormwaterSedimentSand filterFilter (signal processing)Environmental scienceSlow sand filterVolume (thermodynamics)Environmental engineeringWastewaterGeologyWater treatmentSoil scienceSurface runoffSoil water

Résumé

récupéré en direct d'OpenAlex

Ottawa sand and a synthetic fiber were tested for filtration of stormwater sediments. Laboratory column tests were performed using water spiked with Bentonite clay as a surrogate for sediment. Filter media column height was varied from 20 to 90 cm. 10 to 20 pore volumes of Bentonite spiked water was permeated through each filter medium. Influent turbidity and effluent turbidity were monitored. Ratios of effluent turbidity to influent turbidity and hydraulic conductivity as a function of pore volumes of flow were evaluated for each filter medium as an indicator of hydraulic efficiency. Hydraulic conductivity of Ottawa sand and Synthetic Fiber was 0.08 and 0.20 cm/s, respectively. Increase in filter column height of Ottawa sand increased the filtration efficiency as quantified by lower turbidity effluent versus pore volume. However, hydraulic conductivity decreased with increasing filtration efficiency for Ottawa sand due to clogging. Compared to Ottawa sand, filtration efficiency and hydraulic conductivity of synthetic fibers was higher throughout the experiments.

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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil1,000

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)0,0010,002

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 Opus0,062
Tête enseignante GPT0,271
Écart entre enseignants0,210 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFCEE 2015Même sujetUrban Stormwater Management SolutionsTravaux en français237 207