MétaCan
Menu
Retour à la cohorte
Enregistrement W4412809363 · doi:10.1029/2024wr039551

Modeling Intermittent Water Supply in SWMM: A Critical Review With Reproducible Recommendations and a Python Package

2025· review· en· W4412809363 sur OpenAlexafffund
Omar Abdelazeem, David Meyer

Notice bibliographique

RevueWater Resources Research · 2025
Typereview
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensHudbay Minerals (Canada)University of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPython (programming language)Water supplyEnvironmental scienceComputer scienceHydrology (agriculture)EngineeringEnvironmental engineeringOperating systemGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

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 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)0,041
score de la tête « metaresearch » (Gemma)0,112
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,112
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,004
Bibliométrie0,0060,006
Études des sciences et des technologies0,0010,003
Communication savante0,0040,008
Science ouverte0,0120,005
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,007

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 Opus0,095
Tête enseignante GPT0,372
Écart entre enseignants0,277 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetWater Systems and OptimizationTravaux en français237 207