MétaCan
Menu
Retour à la cohorte
Enregistrement W4379017239 · doi:10.18280/ijsse.130212

Comparison Seepage Performance for Different Drainage Systems of Rainwater Harvesting Dam

2023· article· en· W4379017239 sur OpenAlexvenueno aff
Saleh Zakaria, Mohammad Tariq Mahmood

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRainwater harvestingDrainageEnvironmental scienceDrainage system (geomorphology)Geotechnical engineeringHydrology (agriculture)Environmental engineeringWater resource managementGeologyEcology

Résumé

récupéré en direct d'OpenAlex

In arid and semi-arid regions, rainwater harvesting (RWH) system may achieve a new water source.RWH dam can be constructed, based on criteria of small earth dam, at the out let of the selected catchment area to store the harvested rainwater in its reservoir.RWH dam may suffered by seepage problem (the flow of water through dam body).Seepage problem represents a major problem that may cause dam failure if it is not controlled.Dam failure is very dangerous resulting in property destruction and loss of life.In this study, the characteristics of seepage analysis are investigated through the proposed Al-Khoser RWH dam.Seepage modelling based on finite element method and numerical analysis has carried out using SEEP/W, a sub-program of Geo Studio.The analysis is covered eight scenarios for two types of dam (homogeneous and zoned) with different filters types (toe, horizontal, chimney, and without filter) for each dam type.In order to, make suitable decision of using core and filter including specifying filter type, seepage parameters such as total head, pore water pressure, seepage discharge, velocity and the gradient are computed.The phreatic line and factor of safety against vertical and horizontal piping are also studied and presented.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207