MétaCan
Menu
Retour à la cohorte
Enregistrement W2320041348 · doi:10.14796/jwmm.r220-34

Sewer Assessment,I/I Assessment and Recalibration Saves Millions

2004· article· en· W2320041348 sur OpenAlexvenueno aff
Susan Moisio, Saa K. Shemsu, Philip P. Gray

Notice bibliographique

RevueJournal of Water Management Modeling · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderground infrastructure and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCombined sewerSanitary sewerMetropolitan areaEnvironmental scienceWater resource managementBasementSewerageEnvironmental engineeringCivil engineeringGeographyEngineeringStormwaterArchaeology

Résumé

récupéré en direct d'OpenAlex

The Metropolitan Sewer District of Greater Cincinnati (MSDGC, the District) is committed to the elimination of sanitary sewer overflows (SSO) and basement flooding events in their combined and sanitary sewer networks. In meeting this commitment in the Richmond/Orchard study area, the District has completed a Storm Water Removal Program, conducted flow monitoring and hydraulic modeling, and prepared a remedial measures plan to reduce SSO activity and basement flooding complaints. The recommended remedial plan was considered costly. As a result the District undertook to further evaluate area hydraulic and flooding problems with a focus to improve upon the previous studies when it was determined they did not have the benefit of complete and accurate calibration and system geometry data. A hydraulic model, MIKE SWMM, was developed and calibrated using flow monitoring data collected during the study period and verified using historical monitoring data. Model verification included a more complete consideration of flow, volume, stage, and hydraulic conveyance properties throughout the collection system. The study resulted in a combination of system improvements at an estimated cost of approximately one third of the original estimates to reduce SSO and basement flooding occurrences.

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 enseignants0,539
Score d'incertitude au seuil0,373

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 savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,234 · 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetUnderground infrastructure and sustainabilityTravaux en français237 207