MétaCan
Menu
Retour à la cohorte
Enregistrement W4386613257 · doi:10.1061/jhyeff.heeng-6015

Incorrect Sizing Calculation Methods for Bioretention Cells

2023· article· en· W4386613257 sur OpenAlexaffabout
Yiping Guo

Notice bibliographique

RevueJournal of Hydrologic Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBioretentionSizingEnvironmental scienceLow-impact developmentComputer scienceHydrology (agriculture)Stormwater managementSurface runoffStormwaterGeotechnical engineeringGeologyEcologyChemistry

Résumé

récupéré en direct d'OpenAlex

Water quality control bioretention cells are usually sized so that they are large enough to provide storage of runoff generated from its catchment resulting from the water quality control design storm of the location of interest. A bioretention cell can have three parts where runoff may be temporarily stored: (1) the depressed surface ponding area, (2) the growing media layer, and (3) the storage layer. In this study, the detailed sizing calculation methods adopted by 21 jurisdictions in the US and Canada were reviewed and compared. It was found that for satisfying the required storage volume to store runoff generated from the water quality control design storm, some jurisdictions only allow the storage provided by the surface ponding area to be counted, whereas other jurisdictions allow the sum of the storages provided by two of the three or all of the three parts to be counted. These differences can result in significant differences in the sizes and performances of bioretention cells. By examining and analyzing the detailed hydrologic processes involved in the operation of bioretention cells, it was demonstrated in this study that many of the adopted sizing calculation methods are flawed or inappropriate. Presented here are a summary of the findings and the recommended sizing calculation method. The possible degrees of over- or underdesigns resulting from some of the incorrect sizing calculation methods are also estimated.

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)0,010
score de la tête « metaresearch » (Gemma)0,034
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,018
Tête enseignante GPT0,286
Écart entre enseignants0,268 · 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
GenreMéthodes

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrologic EngineeringMême sujetUrban Stormwater Management SolutionsTravaux en français237 207