MétaCan
Menu
Retour à la cohorte
Enregistrement W2801061054 · doi:10.1029/2017wr022286

An Analytical Stochastic Approach for Evaluating the Performance of Combined Sewer Overflow Tanks

2018· article· en· W2801061054 sur OpenAlexafffund
Jun Wang, Yiping Guo

Notice bibliographique

RevueWater Resources Research · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaChina Scholarship Council
Mots-clésCombined sewerProbabilistic logicComputer scienceSurface runoffStorm Water Management ModelStormwaterStorage tankMathematical optimizationEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Storm water detention tanks are widely used for the control of combined sewer overflows. Conventional continuous simulation and recently developed analytical probabilistic models have been used for analyzing the hydrologic operation of storm water detention tanks. These analyses are necessary in order to accurately estimate the runoff capture efficiency of a given control system or the required storage capacity for achieving a desired runoff capture efficiency. The analytical probabilistic models still have the shortcomings of making simplifying assumptions about the initial storage conditions of a detention tank. Developed in this study is a new stochastic analysis method which can provide similar results as provided by continuous simulations and overcome some of the shortcomings of the previously developed analytical probabilistic models. This stochastic analysis method uses closed‐form analytical equations to estimate the runoff capture efficiency and required storage capacity. Results from these analytical equations are validated by comparing with continuous simulation results and close agreements are observed. These analytical equations are therefore proposed as a computationally efficient alternative for analyzing the hydrologic performance of combined sewer overflow tanks.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,726
Score d'incertitude au seuil0,937

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,107
Tête enseignante GPT0,372
Écart entre enseignants0,265 · 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

Citations33
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetUrban Stormwater Management SolutionsTravaux en français237 207