MétaCan
Menu
Retour à la cohorte
Enregistrement W2313704979 · doi:10.1061/40792(173)57

Water Distribution System Reliability Under a Fire Flow Condition: A Probabilistic Approach

2005· article· en· W2313704979 sur OpenAlexaff
Júlio Gomes, Bryan Karney

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Probabilistic logicFlow (mathematics)Monte Carlo methodComputer scienceProbability distributionReliability engineeringEnvironmental scienceEngineeringMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

In the technical literature concerned with the design of water distribution systems (WDS), the term `fire flow' is often associated with three distinct challenges: to estimate the actual fire flow needed to fight a fire; to estimate the availability of fire flow in a specific WDS; or, to evaluate the potential impacts of fire flow on WDS reliability. The first two challenges are generally addressed from a deterministic perspective, and, although some probabilistic approaches exist for solving the latter one, they seldom address fire flows explicitly. In general, fire flows are considered as part of a unique nodal flow probability distribution for reliability analysis purposes. Yet one significant question remains consistently unanswered: what is the WDS reliability given that a fire situation occurs? The objective of this study is to present a methodology which can be used to evaluate the WDS reliability under a fire condition. To this end, two different probability distributions are assessed for the nodal flows: one representing the base demands and the other representing the fire flow demands. A Monte Carlo method is used to generate the flows, and steady-state hydraulic, simulations are performed to derive both nodal and system reliability indexes for a WDS under a fire condition.

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 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: aucune
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,358

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,175
Écart entre enseignants0,168 · 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

Citations2
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207