How to Model an Intermittent Water Supply: Comparing Modeling Choices and Their Impact on Inequality
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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