MétaCan
Menu
Retour à la cohorte
Enregistrement W965215134 · doi:10.14796/jwmm.r227-09

Upflow Filtration for the Treatment of Stormwater at Critical Source Areas

2007· article· en· W965215134 sur OpenAlexvenueno aff
Uday Khambhammettu, Robert E. Pitt, Robert Andoh, Shirley E. Clark

Notice bibliographique

RevueJournal of Water Management Modeling · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueUrban Stormwater Management Solutions
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Environmental Protection Agency
Mots-clésSurface runoffStormwaterUrban runoffEnvironmental scienceFiltration (mathematics)PollutantFirst flushWater sourceEnvironmental engineeringWater resource managementHydrology (agriculture)EngineeringGeotechnical engineeringChemistryEcologyMathematics

Résumé

récupéré en direct d'OpenAlex

One approach to the treatment of urban runoff is to treat the runoff from critical source areas before it mixes with runoff from less pollutant areas.Some of the general features of critical source areas appear to be large paved areas, heavy vehicular traffic, and/or exposed heavy equipment, materials or products.The control of runoff from relatively small critical source areas (such as loading docks, fueling areas, small maintenance yards, etc.) may be the most cost effective approach for the treatment/reduction of stormwater toxicants.However, in order for a treatment device to be usable, it must be inexpensive, both to purchase and to maintain, and be effective.Upflow filtration of stormwater was tested during both controlled tests, and under actual rainfall conditions, during SBIR1 (Small Business Innovative Research) and SBIR2 research funded by the US EPA.This chapter summarizes the work presented by Pitt, et al. (2005), Khambhammettu (2006), andPitt, et al. (2006) reporting on this research.Upflow filtration was originally developed to overcome some of the problems associated with conventional filtration.The most serious problem is that downflow filters clog relatively quickly, reducing the treatment flow

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,029
Tête enseignante GPT0,257
Écart entre enseignants0,228 · 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'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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetUrban Stormwater Management SolutionsTravaux en français237 207