MétaCan
Menu
Retour à la cohorte
Enregistrement W2744791849 · doi:10.1051/matecconf/201712008006

Cost benefit analysis for failure of sewer pipelines

2017· article· en· W2744791849 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMATEC Web of Conferences · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Underground Structures
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPipeline transportCost–benefit analysisEconomic costEconomic analysisDam failureRisk analysis (engineering)SewageEconomic impact analysisNatural resource economicsEnvironmental economicsEnvironmental planningBusinessEnvironmental scienceEnvironmental resource managementCivil engineeringEngineeringEnvironmental engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Sewer pipelines failure in sewage networks can have adverse potential impacts on socio-economic aspects in any community. Due to the fact that it’s difficult to capture the relationship between the physical and economical aspects as a result of critical sewer pipelines failure, economic concepts are used to evaluate the economic loss as a result of these failures. In this paper an analysis for the costs resulting from sewer pipelines failure and the benefits achieved from avoiding failures are presented. The costs included in the cost benefit analysis are the direct costs used to reinstate failed pipelines and the indirect costs, borne by the society and economy. In the benefits analysis, only the tangible and measurable benefits limited to the health sector and preventing diseases are addressed in this paper. It is expected that the proposed approach could help in estimating the economic losses due to sewer pipelines failure especially for the intangible factors that are difficult to measure. In addition it could help decision makers in taking necessary measures to preserve critical assets that could have adverse potential impacts on valuable natural resources such as surface and groundwater and soil surrounding failed pipelines.

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.

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: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,380

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)0,0000,000

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 Opus0,023
Tête enseignante GPT0,252
Écart entre enseignants0,229 · 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