Modeling Intermittent Water Supply in SWMM: A Critical Review With Reproducible Recommendations and a Python Package
Notice bibliographique
Résumé
Abstract Distinctly, Intermittent Water Supply networks cycle between filling, pressurized supply and draining, leading users to withdraw water and store it for later consumption. While intermittent networks serve one in five piped water users, their characteristic hydraulic features cannot be readily represented in available, open‐source hydraulic modeling software. Several hydraulic modeling methods have been proposed in the literature, but these methods disagree in their construction and assumptions, and most are not reproducible, hindering the exploration of techniques to improve the quality and equality of service in intermittent networks. To improve the reproducibility, consistency, and numerical stability of hydraulic models of intermittent supply, we synthesize the best modeling practices in the literature into a recommended, reproducible method: SWMM for Intermittent Networks (SWMMIN). We outline and demonstrate how SWMMIN models network pipes and user behavior: withdrawing water subject to available pressure in the network, storing water, and consuming from storage for their various activities. For experienced IWS modelers, we provide quantitative evidence of numerical stability and mass conservation within SWMMIN (from >1,000 simulations of 3 network models); we recommend spatial and temporal discretizations that result in solution speeds between 40 and 200 m/s. To facilitate the adoption of our recommended modeling procedures, we share a Python package (GOSWMMIN) that automates the implementation of SWMMIN. Lastly, we propose a model reporting template to bolster reproducibility and call on fellow modelers to use it; accessibly and reproducibly described models of intermittent supply have the potential to accelerate research and transform practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».