MétaCan
Menu
Retour à la cohorte
Enregistrement W4412183293 · doi:10.1002/aws2.70024

Accumulation and Mobilization of Material Near Pipe Appurtenances in a Full‐Scale Laboratory

2025· article· en· W4412183293 sur OpenAlexaff
B. Anderson, Artur Sass Braga, Yves Filion, Sarah Jane Payne

Notice bibliographique

RevueAWWA Water Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Treatment and Disinfection
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésFlushingMobilizationGeotechnical engineeringWater flowWater pipeEnvironmental scienceGeologyEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper investigates the occurrence of enhanced material accumulation near pipe appurtenances in drinking water distribution systems and how pipe flushing strategies can have an impact on the mobilization of this material. The accumulation of sediments in fittings and appurtenances of different materials and ages is a well‐known cause of water quality problems and a long‐standing preoccupation of water utilities. A set of four experiments was completed in a full‐scale laboratory pipe rig using iron oxide particles to simulate material dynamics in the system. Results showed that wye fittings located at the ends of the pipe loop favored the accumulation of particles, and changing flushing direction enhanced their mobilization. These results reinforce the findings of previous studies that suggested that common appurtenances in drinking water networks can favor material accumulation and provoke water quality issues. Foreknowledge of these hotspots and their sediments behavior upon mobilization during flushing might assist water utilities in improving flushing strategies. It is recommended that reverse flushing can be used to address high material accumulation near pipe appurtenances, especially in topologically simple areas of a network where flow paths are predictable and easily ascertained.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,235
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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 revueAWWA Water ScienceMême sujetWater Treatment and DisinfectionTravaux en français237 207