Development of Flow Forecasting Models in the Bow River at Calgary, Alberta, Canada
Notice bibliographique
Résumé
River flow forecasting is critical for flood forecasting, reservoir operations, and water resources management. However, flow forecasting can be difficult, challenging and time consuming due to the spatial and temporal variability of climatic conditions and watershed characteristics. From a practical point of view, a simple and intuitive approach might be more preferable than a complex modeling approach. In this study, our objective was to develop short-term (i.e., daily) flow forecasting models in the Bow River at the city of Calgary, Alberta, Canada. Here, we evaluated the performance of several regression models, along with a newly proposed “base difference” model, by using antecedent daily river flow values from three gauge stations (i.e., Banff, Seebe, and Calgary). Our analyses revealed that using a multivariable linear regression formulated as a function of upstream gauge stations (i.e., Banff or Seebe) and the station of interest (i.e., Calgary) using antecedent flows demonstrated strong relationships (i.e., having r2 (coefficient of determination) and RMSE (root-mean-square deviation) of approximately 0.93 and 14 m3/s, respectively). As such, we opted to suggest that the use of Banff and Calgary stations in forecasting the flows at Calgary could be considered as it would require a relatively lower number of gauge stations.
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 | 0,000 | 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 | 0,000 |
| 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 ».