Developing Runoff Hydrograph using Artificial Neural Networks
Notice bibliographique
Résumé
Conceptual models are considered to be the best choice for describing the runoff process in a watershed. However, enormous requirements for topographic, hydrologic and meteorological data and extensive time commitment for calibration of conceptual models (both physically based and lumped) are often prohibitive factors in considering this option. Artificial neural networks (ANN) can be an efficient way of modeling the runoff process in situations where explicit knowledge of the internal hydrologic processes is not required. An (ANN) is a flexible mathematical structure that is capable of identifying complex nonlinear relationships between input and output data sets. Neural networks provide model-free solutions. This paper highlights the use of ANN for predicting the peak flow, timing and shape of runoff hydrograph, based on causal meteorological parameters. Antecedent precipitation index, melt index, winter precipitation, spring precipitation, and timing are the five parameters used to develop runoff hydrograph on the Red River in Manitoba, Canada. A feed forward artificial neural network is trained by using back-percolation algorithm. Peak flow, time of peak, width of hydrograph at 75% and 50% of peak, base flow, and timing of rising and falling limbs of hydrograph are the output parameters obtained from the neural network to develop a runoff hydrograph. The ANN generated results are evaluated using statistical parameters; % error and correlation. The % errors in simulated and observed peak flow and time of peak is 6 and 3.6 % respectively. Correlation between observed and simulated values of peak flow and time of peak is 0.99 and 0.88, respectively, thus showing potential benefits of using ANN for developing runoff hydrograph.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».