MétaCan
Menu
Retour à la cohorte
Enregistrement W7096226658

2001, Condition assessment and rehabilitation of large sewers

2007· article· en· W7096226658 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSanitary sewerRelational databaseIdentification (biology)TerminologyRehabilitationIdentifierCoding (social sciences)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Urban Ian-16918--49 Rehabilitation Program of the National Research Council Canada (NRC) in conjunction with 10 municipalities and two consulting companies has just completed a set of guidelines focusing on the impact and condition assessments, and rehabilitation of large diameter sewers (> 900 mm) as well as access holes. The guidelines provide a consistent approach for assessing the impact of pipe failure, coding defects and assigning priorities for rehabilitation. The user-friendly approach is demonstrated with an example. By using unified definitions of terminology and a consistent defect coding system, informa- tion can be shared between utilities across the country. Pooling scarce sewer condition data from various municipalities across Canada will enable the development and verification of statistical models for assessing sewer deterioration and predicting its remaining service life. and the relationships between each step will be discussed in detail in the following sections. Figure 1. Approach for managing sewer assets 2.1 Inventory As the first step, the available inventory data must be compiled in a manageable format for their effective use. The established database can then be linked to other databases such as inspection and rehabilitation databases. Pipe identification (pipe ID) or access hole identification (MH ID) can be used as unique identifiers to link different relational databases. Examples of the types of information that should be included in the inventory database are shown in Table 1. Database tables are to be filled in with the inventory information for each pipe segment, where each segment is expressed in a permetre unit length. 2.2 Impact assessment The criteria ...

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,267

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,005
Tête enseignante GPT0,254
Écart entre enseignants0,249 · 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'étudeObservationnel
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207