Stormwater Quality Modeling Improvements Needed for SWMM
Notice bibliographique
Résumé
The U.S. Enviromnental Protection Agency's (USEPA) Stonnwater Management Model, or S WMM, is a large, relatively complex software package capable of simulating the transformation of precipitation to urban nmoff and the transport of the runoff from the grmmd surface through pipe/channel networks and storage/treatment facilities and finally to receiving waters.The model can be used to simulate a single event or a long continuous period.The original model was developed by Metcalf and Eddy, Inc. in association with the University of Florida and Water Resources Engineers, Inc. in 1971.Over the last three decades there have been many significant improvements and enhancements to the model's capabilities.However, the model's algorithms used to simulate the accumulation and transport of storm water pollutants have rarely been addressed or significantly improved.With the recent development of the USEP A's NPDES storm water program and the ongoing development of the TMDL program and the continuing interest and concern associated with storm water pollution throughout the developed world, the need to significantly improve the stormwater quality modeling capabilities ofSWMM is greater now than ever before.This chapter reviews the model's existing stonnwater quality algorithms, discusses the problems associated with these algotithms and ofiers a specific outline of needed improvements.The modeling insights and improvements are based on knowledge gained through many years of study and research that has Sutherland, R. and S.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,004 |
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 ».