MétaCan
Menu
Retour à la cohorte
Enregistrement W2922941270 · doi:10.29007/4fcr

On-line Measuring Sensors for Smart Water Network Monitoring

2018· article· en· W2922941270 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

RevueEPiC series in engineering · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCloud computingGeneral partnershipSmart cityInformation and Communications TechnologyBig dataComputer scienceTelecommunicationsWork (physics)Computer securityEngineeringBusinessInternet of ThingsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Smart cities are getting essential to drive economic growth, increase social prospects and improve high-quality lifestyle for citizens. To meet the goal of smart cities, Information and Communications Technology (ICT) have a key role. The application of smart solutions will allow the cities to use ICT and big data to improve infrastructure and services (i.e. network efficiency, protection from contamination, etc.). In the water sector, the integration of smart meters and sensors coupled with cloud computing and the paradigm of “divide and conquer” introduces a novel and smart management of the water network allowing an efficient online monitoring and transforming the traditional water networks into modern Smart WAter Networks (SWAN). The Ctrl+SWAN (Cloud Technologies & ReaL time monitoring+Smart WAter Network) Action Group (AG) was created within the European Innovation Partnership on Water, in order to promote innovation in the water sector by advancing existing smart solutions. The paper presents an update of a previous work on the state of the art on the best On-line Measuring Sensors (OMS) already available on the market and innovative technologies in the Research and Development (R&D) phases.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,934
Score d'incertitude au seuil0,650

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 Opus0,037
Tête enseignante GPT0,247
Écart entre enseignants0,210 · 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