MétaCan
Menu
Retour à la cohorte
Enregistrement W2912770999 · doi:10.37358/rc.17.8.5754

Water Quality Index, a Useful Tool for Evaluation of Danube River Raw Water

2017· article· en· W2912770999 sur OpenAlexaboutno aff
Iuliana Păun, Florentina Laura Chiriac, Nicoleta Mirela Marin, Liliana Cruceru, Luoana Florentina Pascu, Carol Blaziu Lehr, Corina Ene

Notice bibliographique

RevueRevista de Chimie · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWater qualityEnvironmental scienceIndex (typography)Sampling (signal processing)Raw waterEnvironmental engineeringHydrology (agriculture)EngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The Danube River is the major source of drinking water supply for the cities in the southern part of Romania. The study was a descriptive-analytical one and lasted for 9 month. Samples were taken monthly between March 2016 and November 2016. Six sampling sites were selected to evaluate the spatial and temporal changes of water quality along the river. The samples were analyzed based on the standard methods for the following parameters: pH, conductivity (EC), NH4+, NO3-, Cl -, suspended solids, PO43-, SO42-, metals (Fe, Cd, Cr, Pb, Ni, Hg, As, Zn, Cu, Mn). The obtained values were compared with those imposed by the Romanian environmental legislation. An efficient and simplified method to express the quality of water used for consumption is provided by the Water Quality Index (WQI). WQI reflects the quality of water in a single value by comparing data obtained from the investigation of a number of physico-chemical parameters to the existing limits. The evaluation of water quality was performed using the Water Quality Index of the Canadian Council of Ministries of the Environment (CCME WQI). Water quality indices were classified as: excellent, good, medium, bad and very bad. The results indicated the water quality classification as �good� in all six sampling selected sites.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0070,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,080
Tête enseignante GPT0,366
Écart entre enseignants0,286 · 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'étudeObservationnel
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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de ChimieMême sujetWater Quality and Pollution AssessmentTravaux en français237 207