MétaCan
Menu
Retour à la cohorte
Enregistrement W4389136275 · doi:10.2166/wst.2023.386

Inflow and infiltration assessment of a prototype sanitary sewer network in a coastal city in China

2023· article· en· W4389136275 sur OpenAlexaff
L. Ye, Qian Yu, David Z. Zhu, Biao Huang

Notice bibliographique

RevueWater Science & Technology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKey Research and Development Program of Zhejiang Province
Mots-clésInflowInfiltration (HVAC)Environmental scienceTyphoonHydrology (agriculture)GroundwaterChinaCombined sewerStormwaterSurface runoffGeographyGeologyGeotechnical engineeringMeteorologyEcology

Résumé

récupéré en direct d'OpenAlex

Abstract A 16-month monitoring program was conducted on a prototype sanitary system in a coastal city in China. The groundwater infiltration (GWI) on dry weather days and the rain-derived inflow and infiltration (RDII) on wet weather days were quantified and analyzed. The proportion of monthly averaged GWI to total flow can be as high as 70% during the observation period mainly due to the high groundwater level. The results also show that the ratio of RDII volume to total rainfall volume (defined as R-value) reaches a limited value of approximately 10% for the studied system when the total rainfall depth increases. A reference indicator Rlim for the limited R-value was proposed for assessing the conditions of sewer systems in terms of RDII. The Rlim value depends on local sewer conditions and in general, a lower Rlim value represents a better performance on RDII and vice versa. This study enriches the case studies on the performance of a specific sanitary sewer system on inflow and infiltration in a typical coastal city with exceptionally high groundwater levels, excess rainfall events in the monitoring season and possible typhoon events, which addresses the unique locational and hydrological properties of a representative coastal city.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,244
Écart entre enseignants0,235 · 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 tête enseignante, 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetUrban Stormwater Management SolutionsTravaux en français237 207