Spatial Analysis Tool for Development of Leakage Control Zones from the Analogy of Distributed Computing
Notice bibliographique
Résumé
Development of a methodology, rational and zoning scheme for the demarcation of complicated water distribution networks is important for making the zone demarcation process more accurate, economical, less time consuming, fast, repeatable, generic and optimal with respect to the cost of flow meters required. A new water distribution zone demarcation method is presented that uses the analogy of graph theoretic and graph partitioning principles used in distributed computing to distribute workloads among processors to suggest optimal zoning schemes based on balancing length, demand or flow within zones with the objective of monitoring of unaccounted for water. The method is developed into an automated prototype optimal zoning tool using C++ programming language, a graph partition tool used in distributed computing (METIS) and the EPANET tool kit. The tool is operated by a user interface written in the Python. Case studies are presented to demonstrate how the zoning tool is applied to the zone demarcation problem for the developed zoning schemes. The developed zone demarcation tool was observed to be an efficient and effective approach for the optimal demarcation of complicated water networks into optimal zones based on balancing length, demand or flow within zones. However the tool is sensitive to the number of partitions, the topology of the Water distribution network and the partitioning algorithms used. The tool can be used as a decision support tool for the optimal development and reduction of uncertainties in development of leakage control zones by decision makers. This will enable water companies to increase their productivities and also optimise resource allocations by reduction of the time to monitor, discover leaks and partition zones. This will lead to improved operating revenues.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,003 |
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 ».