MétaCan
Menu
Retour à la cohorte
Enregistrement W4409887531 · doi:10.2166/wst.2025.057

Quantifying sediment deposition in sewers through hydraulic performance analysis

2025· article· en· W4409887531 sur OpenAlexaff
Zhi Yang, Biao Huang, David Z. Zhu

Notice bibliographique

RevueWater Science & Technology · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Key Research and Development Program of China
Mots-clésDeposition (geology)SedimentFlow (mathematics)Environmental scienceVolumetric flow rateSanitary sewerHydrology (agriculture)Range (aeronautics)GeologyGeotechnical engineeringEnvironmental engineeringEngineeringMechanicsGeomorphologyGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

This study investigates the effects of fixed sediment deposition on the hydraulic characteristics of sewer flow to support the diagnosis of sewer blockage. Sediment beds extending over the entire pipe (i.e., continuous deposition) and localized deposits were examined under different flow rates and outlet control conditions. Continuous deposition changes the cross-sectional area of the sewer pipe, while localized deposits act similarly to short bottom obstructions. The energy losses induced by a localized deposit at various locations were found to be nearly identical, particularly in cases with backwater effects. To illustrate the relationships between the flow rate, water level, and deposit characteristics, hydraulic performance curves can be developed. The inverse problem, which involves estimating parameters characterizing sediment deposition using observed flow rates and upstream and downstream water levels, can be solved by matching hydraulic performance curves with numerous scatter points from actual monitoring data to obtain the best fit. As there is a wide range of sediment deposition patterns that result in the same overall energy loss, the concept of equivalent sediment bed height is introduced to be applied in real-world scenarios.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,451

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,008
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,013
Tête enseignante GPT0,250
Écart entre enseignants0,236 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

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