MétaCan
Menu
Retour à la cohorte
Enregistrement W3022013332 · doi:10.2166/wst.2020.217

Statistical analysis of sewer odour based on 10-year complaint data

2020· article· en· W3022013332 sur OpenAlexaffabout
Gang Pan, Wang Bao, Shuai Guo, Wenming Zhang, Stephen Edwini-Bonsu

Notice bibliographique

RevueWater Science & Technology · 2020
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Science Foundation of Anhui Province
Mots-clésSanitary sewerComplaintEnvironmental scienceStormCombined sewerEnvironmental engineeringAnnoyanceCivil engineeringHydrology (agriculture)EngineeringForensic engineeringStormwaterGeotechnical engineeringGeographyMeteorologyMedicineSurface runoff

Résumé

récupéré en direct d'OpenAlex

The City of Edmonton has been suffering from sewer odour problem for many years. Ten years of odour complaints data from 2008 to 2017 were statistically analyzed to identify major factors that relate to the odour problem. Spatial and temporal distributions of odour complaints in the city were first presented. Then relationships between the complaints and physical attributes of the sewer systems were analyzed by introducing a parameter of risk index. It was found that the snowmelt and storm events could possibly reduce odour complaints. Old sewer pipes and large drop structures are statistically more linked and thus significantly contribute to the complaints. The risk index relationship for three pipe materials is clay pipe > concrete pipe > PVC pipe. Combined sewers are more problematic in terms of odour complaints than sanitary sewers. And no clear correlation has been found between the changes of sewer pipe slope or angle and the complaints.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,282
Écart entre enseignants0,230 · 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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetOdor and Emission Control TechnologiesTravaux en français237 207