An Installed Accuracy Assessment using Dye Dilution Testing for Seven Common Flow Metering Technologies
Notice bibliographique
Résumé
An accurate dye dilution testing protocol using Rhodamine WT was developed and used to quantity flow meter accuracy in the Greater Detroit Regional Sewer System.Over 150 tests were performed on 3 7 flow meters in conjunction with a set of good metering practice principles.A summmy of the accuracy for each of the seven technologies tested before and after good metering practice is given.The seven technologies assessed are electromagnetic induction meters (magmeters); full-conduit, multiple-path, transit-time meters; full-conduit, single-path, transit -time meters; open-channel, multiple-path, transit-time meters; open-channel, ultrasonic meters; flumes; and weirs.Many meters that are typically considered to be accurate had enors of more than 30%.Some meters had en•ors that exceeded 70%.Overall, the average initial system accuracy for system meters was observed to be ±15.0% of measurement with an overall bias of 6.1% (underpredicting flow).After implementing the good metering practice principles, and in particular using dye dilution testing as a diagnostic tool, the average accuracy potential observed for the system reduced to ±5.5% of measurement, with an overall bias of 0.6% (underpredicting flow).It is concluded that (i) there are observable accuracy differences between flow meter technologies, (ii) objective standards like dye dilution testing are critical to good metering, (iii) verifYing installed accuracy is important, even for technologies considered to be highly accurate, and (iv) the simplest technology that can be used is often the best Stonehouse, M.C.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».