MétaCan
Menu
Retour à la cohorte
Enregistrement W4307439702 · doi:10.1139/cjce-2022-0049

Level of service (LOS) assessment of stormwater infrastructure systems: a case study for cost-benefit analysis of low-impact development practices

2022· article· en· W4307439702 sur OpenAlexaffvenue
Dorcas Appiah, Rajeev Ruparathna, Tirupati Bolisetti

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésStormwaterStormwater managementAsset managementLow-impact developmentSurface runoffInvestment (military)Service (business)Asset (computer security)Level of serviceKey (lock)Computer scienceEnvironmental scienceBusinessEnvironmental economicsEnvironmental resource managementTransport engineeringEngineeringFinance

Résumé

récupéré en direct d'OpenAlex

Stormwater infrastructure system (SWIS) is a main component of a municipal infrastructure system that safely passes excess runoff, controls floods, and manages pollutant discharges. A comprehensive literature review has revealed that stormwater infrastructure level of service (LOS) assessment, an important step in asset management, has been abstractly defined. LOS assists in infrastructure performance assessment as well as investment decision-making. This research proposes a methodological framework for LOS assessment of SWIS and adopts the proposed method in asset management decision-making. A hierarchical framework was developed to assess the LOS by using key performance indicators. The proposed framework was demonstrated in a case study for a municipality in Southwestern ON. To improve the LOS of sub-catchments with low LOS, low-impact development (LID) controls were proposed. The cost-benefit analysis revealed that an investment of $110 950 in LIDs could increase the LOS by 26.4% (from medium to good).

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,281
Écart entre enseignants0,239 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207