Permeable Pavement Hydrological Model to Assess the Long-Term Efficiency of Maintenance Using High-Resolution Temperature and Rainfall Data
Notice bibliographique
Résumé
Permeable pavements (PP) are one of the most flexible stormwater facilities to mimic pre-development flow conditions in urbanized areas. They provide multiple benefits as (1) runoff storage and slowly release, (2) pollutant treatment, and (3) reduce heat island effect due to evaporative cooling. Assessing PP long-term efficiency requires a continuous model to simulate flow routing, evaporation, clogging, and maintenance using high-frequency rainfall and temperature data. The purpose of this article is to develop a PP continuous model and assess the trade-offs among permeable asphalt (PA), permeable concrete (PC), and permeable interlocking concrete pavers (PICP) using the observed climate of San Antonio, Texas, for 1975–2000. The objective functions to assess the long-term effectiveness were the (1) month average treated volume, (2) month average evaporated volume, and (3) drainage layer cost. Solutions were assessed for different scenarios of diameter and number of underdrains and drainage layer depth (i.e., cost), as well as the type of the pavement. Results indicate that PA and PC have nearly the same long-term efficiency, and PICP typically provides less evaporation but can provide more treated volume for more expensive solutions. A PP design with a drainage layer of 30 cm and a 4-in. underdrain was assessed, and results indicate that it can provide, in average, 45 mm of treated volume in October. For this design, no significant difference in seasonality performance was found varying the type of the pavement, indicating that it may only provide marginal benefits for designs with relatively small drainage layer depths.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».