MétaCan
Menu
Retour à la cohorte
Enregistrement W2954671327 · doi:10.24084/repqj17.323

Study of the requirements of an autonomous system for surface water quality monitoring

2019· article· en· W2954671327 sur OpenAlexaff
Manuel Barros, Pedro Granchinho, Carlos Ferreira, Pedro Neves, Hugo Magalhães, Luís Santos, Bruno J. Lopes, João Marques, Henrique J. O. Pinho, Sandra Mourato, Alfredo Martins

Notice bibliographique

RevueRenewable Energy and Power Quality Journal · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensInterDigital (Canada)
Organismes subventionnairesnon disponible
Mots-clésQuality (philosophy)Water qualityEnvironmental scienceComputer scienceReliability engineeringEngineeringBiologyPhysicsEcology

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been increasing awareness of the preservation, protection and sustainable use of natural resources. Water resources, being one of the most important natural resources, face major threats due to contamination by pollutants of various types and origins. Maintaining the quality of water resources requires more robust, reliable and more frequent monitoring than traditional techniques of data collection based on sporadic, discontinuous and manual processes. The management of large geographical areas, the insufficient spatiotemporal discretization of the values of samples collected by traditional processes and the unpredictability of natural phenomena, require a new approach to data collection procedures. This article, which is the result of ongoing research, defines the technical requirements and technologies used in a continuous and regular monitoring of surface water quality in freshwater systems, whose data acquisition system helps to identify the sources of pollution and the contaminants flow along the waterways. The design of a versatile real-time water quality monitoring system, which, due to its environmental constraints should be based on renewable energies and wireless transfer of energy, will contribute to improve the management and effective protection of water resources.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,992

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 technologies0,0000,000
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 Opus0,051
Tête enseignante GPT0,306
Écart entre enseignants0,255 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRenewable Energy and Power Quality JournalMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207