“扩充计划”是指一项详细的计划,该计划可以是临时的,也可以是永久性的,目的是通过开发新的或替代的引水方式或引水点、汇集水资源、进行水交换项目、提供替代水源、开发新水源或任何其他适当方式,增加某个区域或部分区域可供有益使用的水源供应。“扩充计划”不包括通过根除地下水藻来挽救支流水,也不包括使用从已不透水的陆地表面收集的支流水,从而增加径流但不增加现有的支流水供应。 § 37-92-103(9),CRS 在审查拟议的扩容计划并考虑避免伤害所需的条款和条件时,仲裁员或水资源法官应考虑申请人使用或拟议使用水量在数量和时间上的消耗、申请人将提供的扩容水量和时间,以及是否存在对既得水权或法令规定的有条件水权下有权使用水的任何所有者或人员造成的伤害。扩容计划应足以允许继续进行引水,否则将需要削减水量以满足有效的老年人用水需求,只要申请人提供必要的替代水量以满足老年人引水者在当时和地点的合法要求,并且只要老年人因申请人的引水而被剥夺其合法权利。拟议的扩容计划依赖于扩容水供应,而扩容水供应(无论通过合同还是其他方式)的持续时间有限,只要该计划的条款和条件能够防止损害既得水权,则不得仅以扩容水供应持续时间有限为由而拒绝该计划。上述条款和条件应要求在任何地下水转移停止后替换非优先性耗竭。批准扩容计划的法令应要求州工程师减少所有非优先性转移,这些耗竭的替换方式无法防止损害既得水权。扩容计划可以规定程序,允许在初始法令颁布后在计划中使用额外或替代的替代水源,包括按年度或更少频率租赁的水,前提是使用上述额外或替代水源是根据 § 37-92-308、CRS 批准的替代供水计划的一部分,或者如果此类水源被法令用于此类用途。 § 37-92-305(8),CRS 一般来说,法规和判例法要求必须在时间、地点、质量和数量上弥补优先顺序外的损害性消耗。申请人有责任在本申请中提供每个建筑物的位置。对于已裁定的建筑物,请逐字逐句地使用裁定该位置的最新法令中的位置。对于新建筑物,请提供 PLSS 位置(四分之一、部分、乡镇和范围)和单点位置描述,使用 UTM 坐标(例如来自 GPS 设备)(首选)或已知部分线的测量距离。1. 申请人的姓名、邮寄地址、电子邮件地址和电话号码(如果有多个申请人,
1 Marwala, T.,2022 年。缩小差距:非洲的第四次工业革命。Pan Macmillan 南非。2 Marwala, T.,2023 年。人工智能、博弈论和政治机制设计(第 41-58 页)。新加坡:Springer Nature 新加坡。3 Roberts, H.、Hine, E.、Taddeo, M. 和 Floridi, L.,2024 年。全球人工智能治理:障碍和前进的道路。国际事务,第 iiae073 页。4 Ali, AE、Venkatraj, KP、Morosoli, S.、Naudts, L.、Helberger, N. 和 Cesar, P.,2024 年。透明的人工智能披露义务:谁、什么、何时、何地、为什么、如何。arXiv preprint arXiv:2403.06823。 5 Hurwitz, E. 和 Marwala, T.,2007 年 10 月。学会虚张声势。2007 年 IEEE 系统、人与控制论国际会议(第 1188-1193 页)。 6 Markowitz, DM 和 Hancock, JT,2024 年。生成式人工智能比人类更偏向真相:核心真值默认理论原则的复制和扩展。语言与社会心理学杂志,43(2),第 261-267 页。 7 Falco, G.、Shneiderman, B.、Badger, J.、Carrier, R.、Dahbura, A.、Danks, D.、Eling, M.、Goodloe, A.、Gupta, J.、Hart, C. 和 Jirotka, M.,2021 年。通过独立审计管理人工智能安全。自然机器智能,3(7),第 566-571 页。 8 Coeckelbergh, M.,2020 年。人工智能伦理。麻省理工学院出版社。 9 Elliott, D. 和 Soifer, E.,2022 年。人工智能技术、隐私和安全。人工智能前沿,5,第 826737 页。 10 Marwala, T.,2024 年。机制设计、行为科学和人工智能在国际关系中的应用。摩根考夫曼。 11 Verbruggen, A. 和 Laes, E.,2015 年。核电可持续性评估:国际原子能机构和政府间气候变化专门委员会框架的话语分析。环境科学与政策,51,第 170-180 页。 12 Marwala, T. 和 Mpedi, LG,2024 年。人工智能与法律。 Palgrave Mcmillan。13 Marwala, T.、Fournier-Tombs, E. 和 Stinckwich, S.,2023 年。使用合成数据训练人工智能模型:可持续发展的机遇和风险。arXiv 预印本 arXiv:2309.00652。14 Sidogi, T.、Mongwe, WT、Mbuvha, R. 和 Marwala, T.,2022 年 12 月。使用具有静态套利损失条件的生成对抗网络创建合成波动率曲面。2022 年 IEEE 计算智能研讨会系列 (SSCI)(第 1423-1429 页)。 15 Tshilidzi Marwala、Eleonore Fournier-Tombs、Serge Stinckwich,“监管跨境数据流:利用安全数据共享实现全球包容性人工智能”,联合国大学技术简报 3(东京:联合国大学,2023 年)。 16 Ebers, M. 和 Gamito, MC,2021 年。算法治理和算法治理。Springer。 17 Marwala, T.,2014 年。用于理性决策的人工智能技术。Springer。 18 Marwala, T. 和 Hurwitz, E.,2017 年。人工智能与经济理论:市场中的天网(第 1 卷)。Cham:Springer International Publishing。 19 Sasikala, P.,2012 年。云计算与电子政务:进步、机遇和挑战。国际云计算应用与计算杂志 (IJCAC), 2 (4), 第 32-52 页。20 Marwala, T., 2023. 政治中的情报、博弈论与机制设计 (第 135-155 页)。新加坡:Springer Nature 新加坡。