MétaCan
Menu
Retour à la cohorte
Enregistrement W6884421840 · doi:10.1021/es4006256.s001

Water Loss Control Using Pressure Management: Life-cycle\nEnergy and Air Emission Effects

2016· article· en· W6884421840 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWastewater Treatment and Reuse
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasEnergy consumptionInstallationEnergy (signal processing)Energy managementWater pressureWater consumptionEnergy conservation

Résumé

récupéré en direct d'OpenAlex

Pressure\nmanagement is one cost-effective and efficient strategy\nfor controlling water distribution losses. This paper evaluates the\nlife-cycle energy use and emissions for pressure management zones\nin Philadelphia, Pennsylvania, and Halifax, Nova Scotia. It compares\nwater savings using fixed-outlet and flow-modulated pressure control\nto performance without pressure control, considering the embedded\nelectricity and chemical consumption in the lost water, manufacture\nof pipe and fittings to repair breaks caused by excess pressure, and\npressure management. The resulting energy and emissions savings are\nsignificant. The Philadelphia and Halifax utilities both avoid approximately\n130 million liters in water losses annually using flow-modulated pressure\nmanagement. The conserved energy was 780 GJ and 1900 GJ while avoided\ngreenhouse gas emissions were 50 Mg and 170 Mg a year by Philadelphia\nand Halifax, respectively. The life-cycle financial and environmental\nperformance of pressure management systems compares favorably to the\ntraditional demand management strategy of installing low-flow toilets.\nThe energy savings may also translate to cost-effective greenhouse\ngas emission reductions depending on the energy mix used, an important\nadvantage in areas where water and energy are constrained and/or expensive\nand greenhouse gas emissions are regulated as in California, for example.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,091
Score d'incertitude au seuil0,999

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)0,0530,001

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetWastewater Treatment and ReuseTravaux en français237 207