MétaCan
Menu
Retour à la cohorte
Enregistrement W2766600555 · doi:10.15866/irece.v8i5.12862

Assessment of Piano Key Weirs Cost-Effectiveness: a Moroccan Case Study

2017· article· en· W2766600555 sur OpenAlexaff
Amal Aboulhassane, Said Rhouzlane, Driss Ouazar, Moulay Hafid Sounny Slitine

Notice bibliographique

RevueInternational Review of Civil Engineering (IRECE) · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic flow and structures
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesnon disponible
Mots-clésSiltationWeirEnvironmental scienceContext (archaeology)Flood mythHydrology (agriculture)Civil engineeringWater resource managementEngineeringGeotechnical engineeringGeologyGeography

Résumé

récupéré en direct d'OpenAlex

In a water scarcity context, dam reservoirs play a key role in the socio-economic development. Currently, these dams face two major problems: the siltation that reduces their storage capacity, and the risk of submersion during the extreme floods events, which is directly related to the hydraulic insufficiency of spillways. To overcome these potential deficits in terms of storage capacity and flood discharge, at the least cost, the Piano Key Weir "PKW" can constitute an advantageous alternative solution. In this paper, an exhaustive methodology to assess the PKW cost-effectiveness with a Moroccan case study are presented. This study is carried out on 32 large Moroccan dams. Results show that the PKW allows increasing the total capacity of the studied reservoirs by 1150 Mm3 that is about 20% of their current capacity, at a total cost of 930 MMAD. This recovered volume exceeds by far the total volume lost through siltation. The best cost-effectiveness is observed in both hydraulic basins of Loukkos and Sebou and particularly within dams of low specific flow rates and moderate hydraulic heads. A PKW cost-effectiveness analysis for increasing the flood discharge capacity and a PKW comparison to other alternative solutions are presented as well.

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 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 enseignants0,384
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,324
Écart entre enseignants0,307 · 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.

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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Review of Civil Engineering (IRECE)Même sujetHydraulic flow and structuresTravaux en français237 207