MétaCan
Menu
Retour à la cohorte
Enregistrement W3000272076 · doi:10.1061/9780784481653.050

When Transit Expansions Requires You to Really Understand Your Water System

2018· article· en· W3000272076 sur OpenAlexaffabout
Arthur E. Sinclair, Ali Ahmadi

Notice bibliographique

RevuePipelines 2018 · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésRedundancy (engineering)Transit (satellite)Transit systemPublic transportWork (physics)Water supplyTransport engineeringComputer scienceRapid transitEngineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

This paper outlines water distribution system research, planning, modeling, testing, and operations required by the city of Toronto to help facilitate transit expansion. The city of Toronto is experiencing public transit expansion not seen in a generation. This expansion is happening in a dense urban environment with water infrastructure that developed and evolved for over a hundred years. As transit is designed and constructed, water infrastructure often needs to be relocated or isolated while work occurs around it. These relocations and isolations mean shutting down watermains. No matter how big or small, shutting down a watermain has an impact on the system. Sometimes the magnitude of impact can be hard to predict. Most watermain networks have built-in redundancy. During ongoing transit construction, the sheer number of shutdowns required can stretch the limits of that redundancy. In some cases, critical pipes pose a significant challenge just to turn them off, let alone for much duration. In the case of large diameter transmission watermains, isolating them can take months of planning, and in some cases, new supplies need to be constructed before the pipe can be deactivated. To ensure uninterrupted supply to residents and businesses, an intimate understanding of the system is needed. To assist the transit authority requires a close working relationship and early planning.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0030,007
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,005

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 Opus0,027
Tête enseignante GPT0,229
Écart entre enseignants0,201 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePipelines 2018Même sujetWater Systems and OptimizationTravaux en français237 207