MétaCan
Menu
Retour à la cohorte
Enregistrement W1965850881 · doi:10.1061/(asce)1084-0699(2000)5:1(33)

Hybrid Stochastic Model for Daily Flows Simulation in Semiarid Climates

2000· article· en· W1965850881 sur OpenAlexaff
N. Evora, Jean Rousselle

Notice bibliographique

RevueJournal of Hydrologic Engineering · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésHydrographEnvironmental scienceStochastic modellingFlood mythPrecipitationMeteorologyImpulse (physics)Flow (mathematics)Series (stratigraphy)ClimatologyGeologyMathematicsStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

An innovative stochastic model for the purpose of daily flows simulations is presented in this paper. This model is particularly well suited for the generation of daily river flows in semiarid climates. The previous models have not preserved basic features of daily flow hydrographs, such as peaks and recessions, and have failed to reproduce the long low water and short flood periods due to the temporal distribution of precipitation in semiarid climates such as Sahelian regions. This hybrid stochastic model uses a product model that simulates an intermittent impulse series. The impulse magnitude is the flow increment from one day to the next. The intermittent impulse series enables the definition over time of alternate rising and falling limbs. On the rising limbs, the generated impulse magnitudes help to produce the daily flows. However, on the falling limbs, the flows are produced by a deterministic model using a time-varying recession coefficient that is, for the first time, introduced in stochastic modeling of daily flows. Application of this model for daily flows simulation at the Bakel Station on the Senegal River (West Africa) has provided good results as shown by the analysis of the synthetic daily flow series.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,512

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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

Citations6
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrologic EngineeringMême sujetHydrology and Drought AnalysisTravaux en français237 207