MétaCan
Menu
Retour à la cohorte
Enregistrement W2171712791 · doi:10.1061/(asce)0733-9496(2005)131:2(81)

Effects of Discharge Permit Trading on Water Quality Reliability

2005· article· en· W2171712791 sur OpenAlexaboutno aff
Tze Ling Ng, J. Wayland Eheart

Notice bibliographique

RevueJournal of Water Resources Planning and Management · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignUniversiti Teknologi Petronas
Mots-clésReliability (semiconductor)Environmental scienceWater qualityQuality (philosophy)PollutionVariance (accounting)Reliability engineeringComputer scienceBusinessEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

Transferable discharge permit (TDP) programs show potential as cost-effective methods of pollution control. Nevertheless, there remain uncertainties that, if not adequately addressed, might impair their success. Concerns include modeling difficulties that might cause erroneous predictions of cost savings and environmental performance. This study focuses on environmental modeling associated with the stochastic environment. The mean-value first-order second-moment (MFOSM) method is extended to demonstrate how changes, due to discharge permit trading, in the environmental quality mean and∕or variance of a system will cause the environmental quality reliability of the system to either decrease, increase, or remain unchanged. The Willamette River in Oregon and the Athabasca River in Alberta, Canada, are used as example case studies. These river systems are simulated to predict how they might respond if trading were implemented. In this study, environmental quality reliability is defined as the probability of the minimum dissolved oxygen (DO) concentration over the length of the river meeting a predetermined standard. Generally, for the Willamette River, trading improves the reliability, while for the Athabasca River, trading makes the reliability worse.

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)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,009
Tête enseignante GPT0,220
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations23
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resources Planning and ManagementMême sujetWater resources management and optimizationTravaux en français237 207