MétaCan
Menu
Retour à la cohorte
Enregistrement W2408224679 · doi:10.1061/9780784479889.031

Recovering Sandy: Rehabilitation of Wastewater Pumping Stations after Superstorm Sandy

2016· article· en· W2408224679 sur OpenAlexaff
Ceren L. Aralp, John J. Scheri, Kevin O’Sullivan

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2016 · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueInfrastructure Resilience and Vulnerability Analysis
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlooding (psychology)Work (physics)Storm surgePublic workEnvironmental planningHazardEnvironmental scienceWater infrastructureStormBusinessCivil engineeringEngineeringEnvironmental resource managementEnvironmental engineeringGeographyPolitical scienceWater supplyPublic administrationMeteorology

Résumé

récupéré en direct d'OpenAlex

On October 29, 2012, Superstorm Sandy brought devastation to the east coast. Storm surge and flooding affected a large swath of the State of New Jersey. Along with the homes and businesses, critical public infrastructure including water and wastewater treatment facilities was inundated. One such entity that was impacted was the Kearny Municipal Utilities Authority (KMUA). Two of KMUA’s pump stations were flooded on October 29th and on October 30th their road to recovery started. Beginning with initial operational restoration efforts, their journey has included but is not limited to design approaches to increase resiliency at these facilities and obtaining funding from various sources for construction. Recovery efforts are funded by FEMA the optimum hazard mitigation solutions for the KMUA’s facilities were investigated. Effective communication between the owner, its operators, engineers, regulatory, and funding agencies is paramount to successful completion of the recovery efforts in a timely manner. Resiliency design options to fit both the needs of the facility and work with in the operational goals of the organization were evaluated with the owner.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil1,000

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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,170
Écart entre enseignants0,167 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2016Même sujetInfrastructure Resilience and Vulnerability AnalysisTravaux en français237 207