MétaCan
Menu
Retour à la cohorte
Enregistrement W1931401659 · doi:10.1139/l08-088

Analytical estimation of effective discharge for small southern Ontario streams

2008· article· en· W1931401659 sur OpenAlexafffundvenueabout
Abdul Quader, Yiping Guo, Jery R. Stedinger

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensMcMaster UniversityIntertek (Canada)
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésLog-normal distributionSTREAMSExponential functionStreamflowPower functionExponentDistribution fittingExponential distributionChannel (broadcasting)Gamma distributionDistribution (mathematics)StatisticsFunction (biology)Open-channel flowMathematicsHydrology (agriculture)Flow (mathematics)GeologyMathematical analysisGeometryComputer scienceGeotechnical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

The effective discharge (Q e ) of a channel reach may be analytically determined by fitting the flow–duration relationship with a distribution model and representing the bed-material transport with a power function. Analysis of streamflow data from small southern Ontario streams showed that the commonly used lognormal distribution does not provide a good fit to many streamflow records. A mixed exponential distribution model is proposed and a formula for computing the resulting Q e is derived. The results from this new Q e formula were compared with those obtained using other analytical distribution functions and those from empirical sediment transport effectiveness curves. These comparisons indicate that the new analytical solution provides on average the most accurate estimates of Q e when the exponent β of the power function describing sediment transport at the channel reach is not more than 2; when β > 2, a gamma distribution provides the most accurate estimates followed closely by the mixed exponential distribution.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,628
Score d'incertitude au seuil0,994

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)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,177
Écart entre enseignants0,169 · 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 tête enseignante, 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

Citations17
Publié2008
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207