Probabilistic Approach to the Estimation of Urban Stormwater Pollution Loads on Receiving Waters
Notice bibliographique
Résumé
In recent years, the issue of receiving water protection from pollution by urban stormwater discharges has gained in importance. This paper examines the basic processes and functions behind urban stormwater pollutant delivery into surface waters and develops a set of tools that allow the estimation of pollutant load dynamics on receiving waters and the generation of statistics of pollutant concentration in stormwater runoff and in the receiving water mixing zone. In particular, the group of expressions developed in this paper allows the calculation of runoff parameters (volume, discharge rate and pollutant load) on an event average basis for an unregulated catchment. Using Monte Carlo simulation techniques, the runoff pollutant concentration probability distribution (as event averages) are obtained. Merging these runoff statistics with the stream parameters allows the receiving water pollutant concentration characteristics to be obtained as well as the probability of exceeding threshold pollutant concentrations in the mixing zone of a stream. The simulation can be performed with different levels of complexity with respect to catchment hydrologic representations and pollutant load functions. As a result, the magnitude of influence of urban runoff on a surface water body can be determined, pollutants of concern can be identified, and certain remedial measures recommended. The probabilistic approach allows for more rational and refined assessments of surface water quality. As opposed to the calculation of pollutant concentration in the mixing zone based on average values and extreme flow statistics, probability.based calculations yield complete probability distributions of pollutant concentrations in the stream and the probability (frequency) of exceeding the limiting pollutant concentration. This work concentrates on approaches to chemical criteria violation control in smaller scale receiving waters; e.g., low.discharge rivers and creeks as this type of receiving waters is the most common and the most vulnerable to pollution from stormwater discharges.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 0,000 |
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.
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 ».