MétaCan
Menu
Retour à la cohorte
Enregistrement W4386160867 · doi:10.2166/wst.2023.271

Assessing the equivalence of WRRF regulations using dynamic model simulations

2023· article· en· W4386160867 sur OpenAlexaff
Thomas Maere, Christophe Boisvert, Daniel Andres Mendoza Grubert, Peter A. Vanrolleghem

Notice bibliographique

RevueWater Science & Technology · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversité Laval
Organismes subventionnairesEnvironmental Defense FundDistrict of Columbia Water and Sewer AuthorityWater Research Foundation
Mots-clésEquivalence (formal languages)Environmental scienceEngineeringComputer scienceMathematicsDiscrete mathematics

Résumé

récupéré en direct d'OpenAlex

A wide diversity of regulatory practices for wastewater resource recovery plants exists throughout the world. This contribution aims to highlight the implications of choosing particular permitting structures and investigate the equivalence of effluent standards in terms of limit values and compliance assessment specifications. These factors heavily affect the true performance that a treatment plant has to attain and thus the required plant capacity and operation. The dynamic simulations executed in this work, based on a realistic case study and three selected permits from China, The Netherlands and the USA, show the impact of certain compliance specifications like sampling frequency, averaging and tolerable permit exceedances leading to differences in the required design capacity of more than 250% for the same wastewater to be treated. The results also reveal clear differences between permits in their capacity to handle excess variability. The latter is important to avoid overdesign, i.e., when further investment in treatment capacity would result only in marginal effluent quality gains, as well as to create a safe space for testing innovative technologies or ways of operation that might otherwise trigger compliance issues.

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)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,110
Tête enseignante GPT0,348
Écart entre enseignants0,238 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetInnovation Policy and R&DTravaux en français237 207