MétaCan
Menu
Retour à la cohorte
Enregistrement W2997456163 · doi:10.2166/ws.2019.199

Urban water demand assessment for sustainable water resources management, under climate change and socioeconomic changes

2019· article· en· W2997456163 sur OpenAlexaff
Angelos Alamanos, Stamatis Sfyris, Chrysostomos Fafoutis, Nikitas Mylopoulos

Notice bibliographique

RevueWater Science & Technology Water Supply · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWater conservationDemand managementWater resourcesWater supplyWater balanceEnvironmental scienceClimate changeResidenceWater pricingWater resource managementWater useSocioeconomic statusBusinessEnvironmental economicsNatural resource economicsEnvironmental resource managementEnvironmental engineeringEconomicsEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The relationship between water abstraction and water availability has turned into a major stress factor in the urban exploitation of water resources. The situation is expected to be sharpened in the future due to the intensity of extreme meteorological phenomena, and socio-economic changes affecting water demand. In the city of Volos, Greece, the number of water counters has been tripled during the last four decades. This study attempts to simulate the city's network, supply system and water demand through a forecasting model. The forecast was examined under several situations, based on climate change and socio-economic observations of the city, using meteorological, water pricing, users' income, level of education, family members, floor and residence size variables. The most interesting outputs are: (a) the impact of each variable in the water consumption and (b) water balance under four management scenarios, indicating the future water management conditions of the broader area, including demand and supply management. The results proved that rational water management can lead to remarkable water conservation. The simulation of real scenarios and future situations in the city's water demand and balance, is the innovative element of the study, making it capable of supporting the local water utility.

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)0,001
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,948

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,007
Tête enseignante GPT0,204
Écart entre enseignants0,197 · 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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & Technology Water SupplyMême sujetWater resources management and optimizationTravaux en français237 207