Improving calibration of two key parameters in Hydrologic Engineering Center hydrologic modelling system, and analysing the influence of initial loss on flood peak flows
Notice bibliographique
Résumé
Parameter calibration is a key and difficult issue for a hydrological model. Taking the Jinjiang Xixi watershed of south-east China as the study area, we proposed methods to improve the calibration of two very sensitive parameters, Muskingum K and initial loss, in the Hydrologic Engineering Center hydrologic modelling system (HEC-HMS) model. Twenty-three rainstorm flood events occurring from 1972 to 1977 were used to calibrate the model using a trial-and-error approach, and a relationship between initial loss and initial discharge for these flood events was established; seven rainstorm events occurring from 1978 to 1979 were used to validate the two parameters. The influence of initial loss change on different return-period floods was evaluated. A fixed Muskingum K value, which was calibrated by assuming a flow wave velocity at 3 m/s, could be used to simulate a flood hydrograph, and the empirical power-function relationship between initial loss and initial discharge made the model more applicable for flood forecasting. The influence of initial loss on peak floods was significant but not identical for different flood levels, and the change rate of peak floods caused by the same initial loss change was more remarkable when the return period increased.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».