Sustainable and Resilient Smart Water Grids: A Solution for Developing Countries
Notice bibliographique
Résumé
According to a United Nations report, the world population will increase from 7 billion to 9 billion by 2050. Further, the water stress level is more than 70% in 22 countries while in another 31 countries it is between 25% and 70%. More than 2 billion people live in these 53 countries which are all underdeveloped. Water use has increased by 1% per year since the 1980s, so global demand is expected to rise by 30% by 2050. Thus, efficient water grid management is imperative to ensure there is sufficient water for the future. Information and Communication Technology (ICT) can be used to create smart water grids to optimize water distribution, reduce waste and leakage, and resolve quality and overuse issues. In this work, a low cost, real-time, reliable and sustainable IoT based solution called SmartTubewell is proposed for smart water grid management. It is composed of two components, a sensor node installed at tube wells and an application layer on Amazon Web Services (AWS) for data analysis, storage and processing. The sensor node is based on a Raspberry Pi with integrated current and voltage sensors and a local database. The sensor data is transmitted to AWS using a cellular (GPRS) network. A comparison between the proposed system and SCADA is presented which shows that SmartTubewell has a much lower cost. A field test with multiple tube wells in Peshawar, Pakistan indicates that this is a suitable solution for developing countries.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».