MétaCan
Menu
Retour à la cohorte
Enregistrement W4241781333 · doi:10.32920/ryerson.14645064.v1

Analyses Of The Hydrologic Performance Of Bioretention Facilities

2021· preprint· en· W4241781333 sur OpenAlexaff
Seyed Amirali Alinaghian

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésBioretentionStorm Water Management ModelEnvironmental scienceSurface runoffLow-impact developmentInflowUrbanizationStormwaterEnvironmental engineeringHydrographHydrology (agriculture)Stormwater managementEngineeringGeotechnical engineeringEcologyMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Due to urbanization, and replacing natural pervious lands by impermeable surfaces, the patterns of rainfall-runoff are altered and thus, negatively influence natural water systems regarding both water quantity and water quality. Bioretention as an efficient LID practice has received significant interest in the recent years. Bioretention practice due to its advantages can be considered as one of the most promising LID practices that maintains the fundamental hydrologic functions in a natural environment and can be integrated into neighborhood landscaping. The primary objective of the current study is analyzing the effects of inflow and outflow characteristics on right-of-way (roadside) bioretention facilities. Inlet and outlet flow hydrographs under several design storm conditions were examined. After the formulation of a SWMM model (node and link plus LID), numerical experiments including sensitive analysis will be designed to simulate and investigate the runoff control performance of a right-of-way bioretention facility. The effective length of the bioretention was found by FLOW3D software (finite element). The performance of the bioretention cell with the effective lengths (12 &16m) reinvestigated and results compared to original bioretention cell

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,256
Écart entre enseignants0,203 · 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.

Devis d'étudeObservationnel
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUrban Stormwater Management SolutionsTravaux en français237 207