Predictive Model of Rainfall-Runoff: A Case Study of the Sanaga Basin at Bamendjin Watershed in Cameroon
Notice bibliographique
Résumé
In order to reduce the energy deficit recorded in Cameroon, management of watersheds where storage dams are situated plays a vital role. The Bamendjin dam situated upstream of the river Sanaga in Cameroon plays a significant role in regulating the flow of the river Sanaga which is used to generate hydroelectric energy for the South Interconnected Network (SIN) of AES SONEL (the main producer and distributor of electricity in Cameroon) at the power plants of Edea and Songloulou downstream of the Sanaga in Cameroon. This paper proposes a model of the watershed that gives an accurate estimation of the quantity of water that will enter the dam given an estimated future rainfall. The model captures the relationships between rainfall and streamflow and to reliably estimate initial watershed states. While future runoff are mainly dependent on initial watershed states and future rainfall, use of the rainfall-runoff models together with estimated future rainfall can produce skillful forecasts of future runoff which is the basis of this prediction system. The result we obtained is a simulated discharge or hydrograph at the outlet (entrance of the dam). To validate it, a comparison of the simulated flowrate and the observed flowrate is carryout using historic data with the Nash Sutcliffe Efficiency Criterion and we obtained an efficiency of 0.833, meaning that the simulation was good.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».