MétaCan
Menu
Retour à la cohorte
Enregistrement W4396976258 · doi:10.1061/9780784485477.122

Robust Booster Disinfection Scheduling Using Incomplete Mixing Water Quality Model (EPANET-IMX)

2024· article· en· W4396976258 sur OpenAlexaff
Sriman Pankaj Boindala, Reza Yousefian, Sophie Duchesne, Avi Ostfeld

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésBooster (rocketry)Scheduling (production processes)Water qualityComputer scienceMathematical optimizationMathematicsEngineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In the realm of practical water distribution systems (WDS), uncertainties in hydraulic and water quality modeling affect the management of WDS making it a multifaceted challenge. Furthermore, the incorporation of water quality considerations into WDS design and management has become paramount, necessitating the use of precise water quality models. The conventional water quality models employed in drinking WDS have faced inaccuracy due to their underlying assumption of instantaneous and complete mixing at junctions. To address this limitation, recent models such as EPANET-IMX (Incomplete Mixing Extension), EPANET-BAM, and AZRED have emerged, incorporating empirical equations to model the nuances of incomplete mixing. These advancements offer improved accuracy for water quality analysis within WDS. However, the presence of uncertainty in disinfectant reaction rates also presents an obstacle to achieving optimal water quality management. Within such systems, determining the scheduling of booster disinfectant dosages is a challenge. In response, this study seeks to determine the optimal dosage schedule for booster disinfectants while accounting for fluctuations in bulk reaction rate coefficients and acknowledging incomplete mixing at junctions. To tackle this uncertain optimization problem, robust optimization principles are employed. The study applies these principles to a small-scale network as an illustrative example, showcasing robust optimal schedules. Two water quality models, namely EPANET and EPANET-IMX, are utilized for water quality simulations. The resulting optimal schedules are compared and analyzed across all three models. It was observed that considering the incomplete mixing varied the optimal booster dosage by about 10%. The findings emphasized the importance of considering incomplete mixing in both water quality analysis and optimization endeavors.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,478

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 Opus0,073
Tête enseignante GPT0,256
Écart entre enseignants0,183 · 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'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207