An Empirical Model for the Prediction of Structural Behavior of Wastewater Collection Systems
Notice bibliographique
Résumé
Structural condition of wastewater pipelines is often reported in terms of internal condition grades of 1 through 5, with 1 being the best and 5 the worst condition. The existing models and methodologies for structural deterioration of wastewater pipelines based on ordinary regression or ordinal probit regression violate the model assumptions, and lead to invalid results. Furthermore, the existing ordinal probit models for structural deterioration of Civil infrastructure are overly complex in terms of number of parameters to be estimated. This also makes the interpretation of these models fairly challenging. Another existing modeling technique based on binary logistic regression dichotomizes the data into pass/fail categories, and thus ignores the rank order information available in data. This paper demonstrates the shortcomings of existing methodologies, and presents an ordinal regression model based on cumulative logits with partial proportional odds for modeling the structural degradation behavior of wastewater pipelines. The proposed model is more parsimonious as compared to the existing ordinal probit models as less number of parameters needs to be estimated. The model is also more flexible as it does not assume an overly strict assumption of normally distributed error terms. The model also affords simple interpretation in terms of odds and predicted probabilities. Application, parameters estimation, verification of assumptions, graphical interpretation, and model validation has been demonstrated with real data from the City of Niagara Falls' wastewater collection system. The paper concludes with a discussion of the salient features of the proposed model, and its implications for wastewater systems' performance prediction research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».