MétaCan
Menu
Retour à la cohorte
Enregistrement W4387732344 · doi:10.1061/jwrmd5.wreng-6090

How to Model an Intermittent Water Supply: Comparing Modeling Choices and Their Impact on Inequality

2023· article· en· W4387732344 sur OpenAlexafffund
Omar Abdelazeem, David Meyer

Notice bibliographique

RevueJournal of Water Resources Planning and Management · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensHudbay Minerals (Canada)University of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEconomicsWater supplyInequalityEnvironmental scienceNatural resource economicsEconometricsEnvironmental economicsMathematicsEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Intermittent water supply (IWS) networks have distinct and complicated hydraulics. During periods without water supply, IWS networks drain, and consumers rely on stored water; when supply resumes, pipes and consumer storage are refilled. Draining, storage, and filling are not easily represented in standard modeling software. We reviewed 30 ways modelers have represented the hydraulics of IWS in open-source modeling tools and synthesized them into eight distinct methods for quantitative comparison. When selecting methods, modelers face two critical choices: (1) whether to ignore the filling phase, and (2) how to represent consumers as attempting to withdraw their demand: as fast as possible (unrestricted), as fast as possible until a desired volume is received (volume-restricted), or just fast enough to receive a desired volume by the end of supply (flow-restricted). We quantify these choices’ impact on consumer demand satisfaction (volume received/volume desired) and inequality using three test networks under two supply durations, implemented in two different hydraulic solvers (EPANET and EPA-SWMM). Predicted inequality and demand satisfaction were substantially affected by the choice to represent consumer withdrawals as unrestricted, volume-restricted, or flow-restricted, but not by the specific implementation (e.g., three different flow-restricted methods agreed within 0.01%). Volume-restricted methods predict wider inequalities than flow-restricted methods and unrestricted methods predict excessive withdrawal. Modeling filling delayed water provision unequally, reducing the volume received by some consumers (by ∼20%), especially where water supply is brief. All else being equal, we recommend using volume-restricted methods, especially when modeling system improvements, and including the filling process when studying inequalities.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,038
Tête enseignante GPT0,254
Écart entre enseignants0,216 · 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
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

Citations14
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resources Planning and ManagementMême sujetWater Systems and OptimizationTravaux en français237 207