Stormwater quantity and quality response to climate change using artificial neural networks
Notice bibliographique
Résumé
Abstract This research investigates the potential impacts of climate change on stormwater quantity and quality generated by urban residential areas on an event basis in the rainy season. An urban residential stormwater drainage area in southeast Calgary, Alberta, Canada is the focus of future climate projections from general circulation models (GCMs). A regression‐based statistical downscaling tool was employed to conduct spatial downscaling of daily precipitation and daily mean temperature using projection outputs from the coupled GCM. Projected changes in precipitation and temperature were applied to current climate scenarios to generate future climate scenarios. Artificial neural networks (ANNs) developed for modelling stormwater runoff quantity and quality used projected climate scenarios as network inputs. The hydrological response to climate change was investigated through stormwater runoff volume and peak flow, while the water quality responses were investigated through the event mean value (EMV) of five parameters: turbidity, conductivity, water temperature, dissolved oxygen (DO) and pH. First flush (FF) effects were also noted. Under future climate scenarios, the EMVs of turbidity increased in all storms except for three events of short duration. The EMVs of conductivity were found to decline in small and frequent storms (return period < 5 years); but conductivity EMVs were observed to increase in intensive events (return period ≥ 5 years). In general, an increasing EMV was observed for water temperature, whereas a decreasing trend was found for DO EMV. No clear trend was found in the EMV of pH. In addition, projected future climate scenarios do not produce a stronger FF effect on dissolved solids and suspended solids compared to that produced by the current climate scenario. Copyright © 2010 John Wiley & Sons, Ltd.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».