MétaCan
Menu
Retour à la cohorte
Enregistrement W4300967501 · doi:10.1002/aws2.1309

Integrated asset management of urban water and wastewater systems

2022· article· en· W4300967501 sur OpenAlexaffabout
Amin Ganjidoost, Carl T. Haas, Mark A. Knight, Andrè Unger

Notice bibliographique

RevueAWWA Water Science · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWastewaterAsset managementAsset (computer security)Integrated business planningMains electricityBusinessService (business)Capital (architecture)Integrated water resources managementEnvironmental economicsWater supplyWater resourcesEnvironmental scienceFinanceComputer scienceEnvironmental engineeringEngineeringEconomicsComputer security

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents a decision support system for the integrated management of water distribution and wastewater collection networks. The proposed methodology utilizes system dynamics to integrate water mains and sewers with finance and sociopolitical sectors. It enables user rate‐setting and planning of integrated water and wastewater infrastructure operational and capital works over their life‐cycle (50+ years). The integrated asset management model is implemented using data from a large‐sized utility in Southern Ontario, Canada. The result indicates that the integrated framework enables the utility to accelerate funding for capital and operational works due to the integration of the water and wastewater financial resources and improve the integrated levels of service. In practice, the proposed integrated framework empowers and encourages water utilities to manage and plan their assets in an integrated approach to enhance their water and wastewater assets' infrastructure, financial, and sociopolitical performance relative to managing them in isolation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,173
Écart entre enseignants0,166 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAWWA Water ScienceMême sujetWater Systems and OptimizationTravaux en français237 207