MétaCan
Menu
Retour à la cohorte
Enregistrement W4379160396 · doi:10.46632/jbab/1/3/7

Assessment of Water Quality in India’s Groundwater Sources Using the MOORA Method, Modified Drinking Water Quality Index (DWQI)

2023· article· en· W4379160396 sur OpenAlexaboutno aff
Purswani Khushbu

Notice bibliographique

RevueREST Journal on Banking Accounting and Business · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)Quality (philosophy)Water qualityGroundwaterEnvironmental scienceWater resource managementComputer scienceGeologyGeotechnical engineeringBiologyPhysicsWorld Wide WebEcology

Résumé

récupéré en direct d'OpenAlex

In 2011, all groundwater using it as a source of drinking water in metropolitan regions of Iran were subjected to a novel "drinking water quality index (DWQI)" developed as "Modified DWQI" and based on the Canadian DWQI.The input parameters are modified in DWQI by having weighting factors applied.Twenty-three water quality characteristics and pertinent Iranian requirements for drinking water were chosen as model parameters and criterion, respectively, in the creation of the updated DWQI.The hyperparameters, the number of assessments throughout the dataset conveying the criteria, and thus the amount of deviation from the benchmarking in the violator observations are used to generate the adjusted DWQI for each sample location over the course of a year.The health-based index "Modified HWQI" and the acceptance index "Modified AWQI" are the two sub-indices that make up the modified DWQI.With a scale from 0 to 100, the updated DWQI and its subindices divide water quality into 5 categories: bad, marginal, fair, good, and excellent.The case study's findings showed that the adjusted DWQI, HWQI, and AWQI scores for groundwater resources across the country were, respectively, and that the overall water quality status in groundwater recharge was well described.This paper discusses various defuzzification techniques as well as how to compute the distance between the two fuzzy integers.The MOORA method's ratio structure and good reference approach can be applied in confusing settings by employing these techniques.The proposed adjustment makes the MOORA approach applicable to a wide range of real-world issues.An example of machining circuits designing process is taken into consideration to show the applicability and efficacy of the suggested approach.The alternatives are Albany, Bunbury, Perth and Geraldton.the Evaluation parameters are Mean TDS (ppm), Annual Range (ppm), Minimum (ppm) and Maximum (ppm).The final rank of this paper the Albany is got fourth rank, Bunbury is got third rank, Perth is got second rank, Geraldton is got first rank.The final result is done by using the MOORA method.

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)0,003
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,062
Tête enseignante GPT0,361
Écart entre enseignants0,299 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueREST Journal on Banking Accounting and BusinessMême sujetWater Quality and Pollution AssessmentTravaux en français237 207