MétaCan
Menu
Retour à la cohorte
Enregistrement W2999780784 · doi:10.1061/9780784481424.015

Assessment and Design Optimization of Retrofitting Dropshaft with Air Circulation Pipes for Downstream Depressurization

2018· article· en· W2999780784 sur OpenAlexaffabout
Yiyi Ma, David Z. Zhu, Jun Wei

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2018 · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRetrofittingAir entrainmentCabin pressurizationEnvironmental scienceSanitary sewerDownstream (manufacturing)Entrainment (biomusicology)DrainageAirflowMarine engineeringPetroleum engineeringEngineeringEnvironmental engineeringCivil engineeringMechanical engineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

Plunging flow dropshafts in urban drainage systems have been reported to cause downstream air pressurization and subsequent sewer odor issues. Retrofitting dropshafts with air circulation pipes has been attempted to reduce sewer odour complaints in Edmonton, Alberta, Canada. In the current work, laboratory model study, field monitoring, and model prediction were conducted to assess the effectiveness of this retrofit and explore its design optimization. This retrofitting was found to be effective in reducing air entrainment of the dropshaft and depressurizing the downstream sewers. However, the study showed that horizontal air circulation pipes at various elevations contributed differently in reducing the air entrainment. Based on the air flow model, increasing the size of the horizontal pipes had a more significant effect on reducing the downstream air pressure compared to increasing the number of the pipes. It was found that the retrofitting can be optimized by removing the bottom horizontal air circulation pipes while increasing the pipe size.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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'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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2018Même sujetUrban Stormwater Management SolutionsTravaux en français237 207