Leveraging an Aggressive Inspection Program and Predictive Modeling to Develop an LSL Inventory for Jackson
Notice bibliographique
Résumé
When it comes to building a lead service line inventory, a one-size-fits-all approach is not a good fit for most communities. The reality is that most water agencies tend to have incomplete data—often found in a mix of paper records, spreadsheets, databases, PDF documents, and geographic information system (GIS) data. This was the case in Jackson, Mississippi. With little to no available records, a multi-pronged methodology was required. Under the direction of JXN Water, Inc., third-party manager for Jackson’s water distribution system, a service line (SL) inventory was developed using an aggressive potholing inspection program. Consisting of approximately 400 residential locations plus all 55 Jackson Public Schools, the team carried out approximately 1,600 inspections by hydro excavating and testing the lines. An ongoing meter replacement program also provided targeted information to aid inventory development. A key component to the success of this aggressive field program was the public outreach coordination across numerous consultants, contractors, and JXN Water. All the field potholing information obtained was input into a machine learning tool and using predictive modeling was able to guide teams in the next set of inspections. With the use of predictive modeling, the inspections were specifically targeted, resulting in cost savings. This paper will discuss Jackson, Mississippi’s story of successes and lessons learned in building, and maturing, their Lead Service Line Inventory and Replacement Plan. This program is just one important piece to rebuild the community’s trust in their water agency, all the while complying with the EPA’s Lead and Copper Rule Revisions.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».