MétaCan
Menu
Retour à la cohorte
Enregistrement W2341393041 · doi:10.20381/ruor-3129

Water Management Modelling in the Simulation of Water Systems in Coastal Communities

2013· dissertation· en· W2341393041 sur OpenAlexaboutno aff
Barghi Sara

Notice bibliographique

RevueuO Research (University of Ottawa) · 2013
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceEnvironmental resource managementEnvironmental planningWater resource management

Résumé

récupéré en direct d'OpenAlex

It is no longer a question of scientific debate that research declares our climate is changing. One of the most important and visible impacts of this phenomenon is sea level rise which has impacts on coastal cities and island communities. Sea level rise also magnifies storm surges which can have severely damaging impacts on different human made infrastructure facilities near the shorelines in coastal zones. In this research we are concerned about the proximity of water systems as one of the most vulnerable infrastructures in the coastal zones because of the impact of stormwater combining with sewage water. In Canada, the government has plans to address these issues, but to date, there needs to be further attention to stormwater management in coastal zones across the country. This research discusses the impacts of severe environmental events, e.g., hurricanes and storm surge, on the water systems of selected coastal communities in Canada. The purpose of this research is to model coastal zone water systems using the open source StormWater Management Modelling (SWMM) software in order to manage stormwater and system response to storms and storm surge on water treatment plants in these areas. Arichat on Isle Madame, Cape Breton, one of the most sensitive coastal zones in Canada, is the focal point case study for this research as part of the C-Change International Community-University Research Alliance (ICURA) 2009-2015 project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,254
Score d'incertitude au seuil0,505

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,049
Tête enseignante GPT0,273
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetHydrology and Watershed Management StudiesTravaux en français237 207