MétaCan
Menu
Retour à la cohorte
Enregistrement W2054971433 · doi:10.1061/(asce)he.1943-5584.0000702

Improved Nonlinear Muskingum Model with Variable Exponent Parameter

2012· article· en· W2054971433 sur OpenAlexaff
Said M. Easa

Notice bibliographique

RevueJournal of Hydrologic Engineering · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésExponentMathematicsHurst exponentNonlinear systemInflowDimensionless quantityConstant (computer programming)Applied mathematicsRange (aeronautics)WeightingHydrographEstimation theoryMathematical optimizationStatisticsStatistical physicsFlood mythComputer scienceMeteorologyPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

The nonlinear Muskingum model has three parameters (storage parameter, weighting parameter, and exponent parameter) that are assumed in model estimation to be constant. The exponent parameter, which has no physical meaning, represents the average nonlinear behavior of the flood during the entire routing period. To address the variations of nonlinearity during the routing period, this paper considers a variable exponent parameter that varies with the inflow level. The boundaries of the inflow levels are considered to be dimensionless parameters. The problem is formulated as a mathematical optimization model that minimizes the sum of the squared (SSQ) or absolute deviations between the observed and estimated outflows. An efficient spreadsheet-based software is implemented. The proposed model was applied by using three examples involving single peak, multipeak, and nonsmooth hydrographs. The results show that the range of the optimal exponent parameters is small, yet the improvement in the fit of the nonlinear Muskingum model is substantial; the SSQ reduction reaches 35%, compared with the case of a constant exponent parameter. The proposed model should be of interest to researchers and engineers working in the area of flood management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 GPT0,190
Écart entre enseignants0,181 · 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 source (Gemma direct ou Codex distillé), 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

Citations45
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hydrologic EngineeringMême sujetHydrology and Watershed Management StudiesTravaux en français237 207