MétaCan
Menu
Retour à la cohorte
Enregistrement W2024687844 · doi:10.1155/2013/482095

An Inventory-Theory-Based Inexact Multistage Stochastic Programming Model for Water Resources Management

2013· article· en· W2024687844 sur OpenAlexaff
Meiqin Suo, Yongping Li, Guohe Huang, Yurui Fan, Zhong Li

Notice bibliographique

RevueMathematical Problems in Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensUniversity of Regina
Organismes subventionnairesProgram for Changjiang Scholars and Innovative Research Team in UniversityNational Key Research and Development Program of ChinaState Key Laboratory of Hydroscience and EngineeringNational Natural Science Foundation of China
Mots-clésEconomic shortageMathematical optimizationStochastic programmingComputer scienceContext (archaeology)Dynamic programmingOperations researchInventory managementMathematicsOperations managementEngineering

Résumé

récupéré en direct d'OpenAlex

An inventory-theory-based inexact multistage stochastic programming (IB-IMSP) method is developed for planning water resources systems under uncertainty. The IB-IMSP is based on inexact multistage stochastic programming and inventory theory. The IB-IMSP cannot only effectively handle system uncertainties represented as probability density functions and discrete intervals but also efficiently reflect dynamic features of system conditions under different flow levels within a multistage context. Moreover, it can provide reasonable transferring schemes (i.e., the amount and batch of transferring as well as the corresponding transferring period) associated with various flow scenarios for solving water shortage problems. The applicability of the proposed IB-IMSP is demonstrated by a case study of planning water resources management. The solutions obtained are helpful for decision makers in not only identifying different transferring schemes when the promised water is not met, but also making decisions of water allocation associated with different economic objectives.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,918

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 Opus0,011
Tête enseignante GPT0,201
Écart entre enseignants0,190 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Problems in EngineeringMême sujetWater resources management and optimizationTravaux en français237 207