Energy Dissipation in Intermittent Water Supplies Depends on Household Behavior
Notice bibliographique
Résumé
Intermittent water supply (IWS) is a persistent reality for 1 billion people. Support from water users can be vital to the success of IWS improvement projects. It is often presumed that users’ experiences will improve during the transition from intermittent to continuous supply. This paper explores an unstudied factor related to user experience during changes in intermittent supply: friction-induced energy dissipation, which can compromise pressure at user connections, increase user costs, and reduce user support for utility actions. We modeled how energy dissipated to friction (1) changes throughout the transition from intermittent to continuous supply, and (2) depends on how hastily (versus patiently) users attempt to withdraw water. We constructed and employed an analytic model of a highly simplified IWS (one household) and hydraulic simulations of a city-scale intermittent system. The analytic model and hydraulic simulations combine to provide strong theoretical evidence that (1) energy dissipation increases during some of the transition from intermittent to continuous supply, and that (2) energy dissipation is highly dependent on user behavior. Energy dissipation increases with water supply continuity until some users get as much water as they demand. Thereafter, energy dissipation can reduce with supply continuity, but only if users slow their withdrawals. Hasty withdrawals cause energy dissipation to increase throughout the transition to continuous supply. Simulated user withdrawal paces affected energy dissipation more than a ninefold increase in leakage. We recommend additional theoretical and field research on energy dissipation, user withdrawal paces under intermittent supply, and user support for continuous supply improvement projects.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».