Costs and benefits of the development methods of drinking water quality index: A systematic review
Notice bibliographique
Résumé
The drinking water quality index (DWQI) transforms multiple water quality parameters into a dimensionless number, thus, presenting comprehensive status of drinking water in an intuitive manner. However, there are very few studies summarize the current progress of DWQI. Thus, we systematically reviewed 514 articles to evaluated the methods used in each DWQI developmental step with the aim of helping environmental workers choose the most appropriate index-generation model for local application. We observed that existing studies usually select 10–15 (55.4% of the studies) physicochemical parameters (such as Cl, pH, SO4, Ca, Mg etc.) to develop a DWQI. The weights of selected parameters are most often assigned using the five-scale method (53.7%), but these values varied considerably among the different studies due to the lack of clear evaluation standards. Semiquantitative and quantitative methods have been applied to overcome the subjectivity involved in these steps, including the analytical hierarchy process, information entropy, and factor analysis etc. The measurement results are normalized using the permissible limit, and multiplied by the corresponding weight, then added up to get the final DWQI result. Specifically, two distinct approaches, fuzzy logic and WQI adopted by Canadian Council of Ministers of the Environment (CCME-WQI) are discussed. Comparing with the more common approach based on classic set theory, fuzzy logic can better resolve the inherent uncertainty in the assessment of DWQI, whereas, the CCME-WQI is more appropriate for evaluating the spatiotemporal variations in DWQI over a given period. Some studies have assessed the robustness of the developed DWQI by conducting sensitivity analyses and its effectiveness was validated by comparisons with expert scores, existing WQIs or toxicological endpoints. Fifty-seven predefined classification schemes have been proposed to interpret DWQI value. As no one-size-fits-all approach exists for DWQI development, we recommended here to clarify the principles to be followed at each step, disclose the details of each method, and validate the developed index in future research. Meanwhile, additional efforts are required to develop new water quality monitoring methods and conduct DWQI studies on central water supply system.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,037 | 0,146 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,019 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».