Contaminant intrusion in water distribution systems : advanced modelling approaches
Notice bibliographique
Résumé
Since exposure to contaminants may have direct adverse impacts on public health, contaminant intrusion has been recognized as one of the top priority in drinking water supply research. Three components must exist to cause contaminant intrusion into a water distribution system. These include the availability of source(s) of contaminant(s) around a water distribution system, the existence of driving forces (low/negative pressure) to make a contaminant enter into a water distribution system, and the presence of pathway(s) through which contaminant(s) intrude into a water distribution system (WDS). Exposure assessment is the most challenging part as location of contaminant intrusion, rate of intrusion, and the fate of contaminants within WDS need to be estimated accurately. In this dissertation, first, common uncertainty analysis techniques are discussed in the context of conservativeness, execution time, ease of formulation, and complexity. Second, a fuzzyrule based model has been developed to identify contaminant intrusion potential in a WDS. The potential of contaminant intrusion has been determined by integrating the potentials for contaminant sources existence, driving forces, and pathways. Third, a novel ingress model has been developed for more realistic estimation of intrusion rate by taking into account the effects of surrounding soil on intrusion rate. Coupled with an Eulerian-based transient hydraulic model, a Lagrangian transient water quality model is developed to predict the fate of the contaminant throughout a WDS. The proposed models are applied to case studies available in the literature to investigate the applicability of the models. The proposed models enhance the reliability and safety of WDSs by improving the prediction ability of the existing modelling tools.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».