MétaCan
Menu
Retour à la cohorte
Enregistrement W4413062973 · doi:10.1061/jwrmd5.wreng-6887

Battle of Water Demand Forecasting

2025· article· en· W4413062973 sur OpenAlexaff
Stefano Alvisi, Marco Franchini, Valentina Marsili, Filippo Mazzoni, Elad Salomons, Mashor Housh, Ahmed A. Abokifa, Kristina Arsova, Faten Ayyash, Hyun-Joo Bae, Raquel Barreira, Lindsay Basto, Siming Bayer, Emily Zechman Berglund, Daniela Biondi, Fatemeh Boloukasli ahmadgourabi, Bruno Brentan, João Caetano, Felipe Campos, Huizhe Cao, Sergio Cardona, E. Alvarado, Nelson Carriço, Georgios Alexandros Chatzistefanou, Yesid Coy, Enrico Creaco, Salvatore Cuomo, Arno de Klerk, Armando Di Nardo, Morgan DiCarlo, Ulrich Dittmer, R. Dziedzic, Amin E. Bakhshipour, Δημήτριος Γ. Ηλιάδης, Raziyeh Farmani, Bruno Ferreira, Annalaura Gabriele, Maria Mercedes Gamboa-Medina, Fei Gao, Jinliang Gao, Rudy Gargano, Mohammadali Geranmehr, Carlo Giudicianni, Konstantinos Glynis, Santiago Gómez, Laura González, Matthias Groß, Hua Guo, Morad Nosrati Habibi, Ali Haghighi, Barbara Hammer, Liesel Hans, Matthew Hayslep, Yuwei He, Luca Hermes, Manuel Herrera, Fabian Hinder, Bing Hui Hou, Alfredo Iglesias-Rey, Pedro L. Iglesias‐Rey, In‐Su Jang, Joaquín Izquierdo, M. S. Jahangir, Carlos Jara‐Arriagada, Bradley Jenks, Gregor Johnen, Mostapha Kalami Heris, Mulenga Kalumba, Minsoo Kang, Melica Khashei Varnamkhasti, Kwang‐Ju Kim, Jens Kley-Holsteg, T.K. Ko, Alireza Koochali, Panagiotis Kossieris, Phoebe Koundouri, Christian Kühnert, Adam Kulaczkowski, Juneseok Lee, K. Li, Yanmei Li, Huan Liu, Yuanyang Liu, C. A. López-Hojas, Andreas Maier, Christos Makropoulos, F. Javier Martínez-Solano, Niuosha Hedaiaty Marzouny, Andrea Menapace, Christos Michalopoulos, George Moraitis, Hebatullah Yehia Saad Mousa, Hossein Namdari, Dionysios Nikolopoulos, Martin Oberascher, Avi Ostfeld, Mario Pagano, Juan Perafán, Gal Perelman, Jorge E. Pesantez, Marios M. Polycarpou, Maria Grazia Quarta, Qidong Que, John Quilty, Claudia Quintiliani, A. Ramachandran, Gilberto Reynoso-Meza, Victoria Rodríguez, Yaniv Romano, Juan Saldarriaga, Aliasger K. Salem, Panagiotis Samartzis, Giovanni Francesco Santonastaso, Dragan Savić, Vincenzo Schiano Di Cola, Dennis Schol, Alemtsehay G. Seyoum, Rong Shen, Kondwani Simukonda, Alexander Sinske, Robert Sitzenfrei, Björn Sonnenschein, Ivan Stoianov, Alejandra Tabares, E. Todini, Lydia Tsiami, Ioannis Tsoukalas, Aly-Joy Ulusoy, Lydia Vamvakeridou-Lyroudia, Adrian van Heerden, Jonas Vaquet, Valerie Vaquet, Steffen Wallner, Dehui Wang, Shuicai Wu, Wenyan Wu, Andreas Wünsch, Jie Yu, Ariele Zanfei, Dennis Zanutto, Haiyang Zhang, Mathias Ziebarth, Florian Ziel, Jiyan Zou

Notice bibliographique

RevueJournal of Water Resources Planning and Management · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBattleDemand forecastingEconomicsOperations researchNatural resource economicsEnvironmental scienceWater resource managementEngineeringComputer scienceHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

As part of the Battle of Water Networks competition series, the Battle of Water Demand Forecasting (BWDF) was organized in the context of the 3rd Water Distribution Systems Analysis and Computing and Control in the Water Industry (WDSA-CCWI) joint conference held in Ferrara (Italy) in 2024. In line with the previous editions of the Battle of Water Networks—the main objective of which was to address a specific problem related to the design and operation of water distribution networks—the BWDF aims to compare the effectiveness of methods for the short-term forecast of urban water demand in a set of real district metered areas. During the conference, 31 teams across the world participated in the BWDF and presented their approaches. The results obtained demonstrate the importance of (1) considering integrated approaches for short-term water demand forecasting; and (2) evaluating their performance in relation to more than one metric, case study, and period.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,824
Score d'incertitude au seuil0,315

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resources Planning and ManagementMême sujetWater resources management and optimizationTravaux en français237 207