MétaCan
Menu
Retour à la cohorte
Enregistrement W2316434383 · doi:10.1061/40976(316)673

Life-Cycle Cost Based Rehabilitation Plan for Water Mains

2008· article· en· W2316434383 sur OpenAlexaffabout
Khaled Shahata, Tarek Zayed

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2008 · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRehabilitationTrenchComputer scienceEngineeringMarine engineeringEnvironmental scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

According to the Canadian National Research Council reports, the renewal and rehabilitation of infrastructure across Canada is estimated to be at least $15 billion. Life cycle cost is an essential approach to distinguish alternative rehabilitation strategies for water main rehabilitation. Therefore, Life-cycle cost is used to compare different alternative strategies among water main rehabilitation techniques. Current research identifies several rehabilitation methods for water mains, which are classified into three main categories: (1) repair (e.g. open trench, sleeves); (2) renovation (e.g. slip lining, cement lining, epoxy lining, CIPP); and (3) replacement (e.g. pipe bursting, micro-tunneling, directional drilling, auger boring, open cut). Stochastic life cycle cost (SLCC), using Monte Carlo simulation approach, is used to compare different rehabilitation scenarios within the same alternative. Data, related to the cash flow of each scenario, are collected from contractors and municipalities in Canada. Results show that using "Open Trench" and "Slip-Lining" are the best methods for "repair" and "renovation" categories, respectively. However, the best method for "replacement" category is pipe bursting for small pipe diameters (<30") and open cut for large pipe diameters (>30"). Accordingly, a rehabilitation plan, based on SLCC, favors repairing with "Open Trench" until the breakage rate reaches 0.5 breaks/ km/year then replaces the main.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,739
Score d'incertitude au seuil0,512

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 GPT0,162
Écart entre enseignants0,155 · 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

Citations3
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2008Même sujetWater Systems and OptimizationTravaux en français237 207