Blockage dynamics in sewer pipes: investigating snagging, accumulation, and dissipation rates of wet wipes
Notice bibliographique
Résumé
ABSTRACT The increase in sewer blockages, exacerbated by the COVID-19 pandemic due to improper disposal of non-biodegradable items like wet wipes and sanitary products, along with fats, oils, grease, and the presence of defects in sewers, underscores the need for a more profound understanding of wipes’ contribution to these blockages. This study investigated the probability of wipe snagging on sewer imperfections and their subsequent accumulation and dissipation rates under various conditions through laboratory experiments. Findings indicated a significant variability in the likelihood of wipes snagging (ranging from 93% to 0) and accumulating (ranging from 71% to 0), which was influenced by the defect location and the sewer flow rate. Moreover, the study highlighted a direct relationship between the flow rate in the sewer and the rate at which wipes dissipate. Conversely, an inverse relationship was observed between the size of blockages and the dissipation rate of wipes, with larger blockages typically reducing the speed of this process. Importantly, while dissipation rates at low flow rates are nearly constant regardless of the number of wipes and duration, at medium to high flow rates, dissipation initially increases but levels off after 24 h, demonstrating the persistence of wipe-caused blockages in small-diameter sewer pipes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».