MétaCan
Menu
Retour à la cohorte
Enregistrement W4392909011 · doi:10.32920/25412755

Analyzing Building-level Water Consumption Patterns Before and After the Pandemic: A Campus Case

2024· preprint· en· W4392909011 sur OpenAlexaffabout
Varisha Azeem

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensToronto Metropolitan UniversityToronto Public Health
Organismes subventionnairesnon disponible
Mots-clésLeak detectionLeakWater consumptionConsumption (sociology)Leakage (economics)OccupancyCoronavirus disease 2019 (COVID-19)Environmental scienceWater supplyComputer scienceKey (lock)Water resource managementCivil engineeringEnvironmental engineeringEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Leak management is one of the major challenges that the water distribution system faces. Leakage issues necessitate long-term solutions rather than one-time fixes. It is crucial to find an efficient leak detection system, along with a thorough follow-up method to remediate the leak. This case study is carried out at the Victoria building on the Ryerson University Campus. This project is an attempt to conduct a thorough analysis of water consumption data and to discuss potential scenarios for water leak detection. Key components of water data analysis and leak detection are discussed in this report, including Minimum Night Flow, peak consumption, and continuous data monitoring. Water consumption patterns are investigated, a comparison is made between pre and postpandemic consumption patterns, and possible leaks are identified. A possible leak is discovered in the Victoria building, and the leak continued for alongtime as the building was temporarilyclosed because of the COVID-19 lockdown restrictions.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,583

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,237
Écart entre enseignants0,219 · 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'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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207