Determining Peak Flow Recurrence in Combined Basins with Limited Flow Data Using Genetic Algorithm Calibration
Notice bibliographique
Résumé
The City of Columbus, Ohio, completed a comprehensive Wet Weather Management Plan (WWMP) to mitigate hydraulic deficiencies in the City's main trunk sewers and to perform a Long Term Control Plan (LTCP) to address combined sewer overflows (CSO) to the Scioto and Olentangy Rivers. The recommended solution includes a deep tunnel that will capture combined sewage overflows from the downtown CSO regulators. This combined flow tunnel will ensure that peak flow from the downtown combined sewer basins is captured up to a specific peak flow recurrence level. Due to the lack of long-term flow meter and downtown rainfall data, it was difficult to estimate peak flows for selected recurrence levels. Therefore, the design team proposed a procedure where available two to three-years of quality-checked flow meter data and concurrent 15-min rain gauge data between the years 2000 and 2003 was used to calibrate a SWMM model using the PCSWMM Genetic Algorithm Calibration (GAC). The long-term hourly rainfall data, collected by the National Weather Service at Port Columbus International Airport, in conjunction with the calibrated SWMM 4.4h model was then used to generate 56 y of flow records from each combined basin.
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 | 0,001 |
| 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 ».