MétaCan
Menu
Retour à la cohorte
Enregistrement W2330335593 · doi:10.1061/41173(414)490

Development of a Modified Rational Equation for Arid-Region Runoff Estimation

2011· article· en· W2330335593 sur OpenAlexfundno aff
Xixi Wang, Tingxi Liu, Changyou Li, Zhongyuan Zhu, Shengwei Zhang, Assefa M. Melesse

Notice bibliographique

RevueWorld Environmental and Water Resources Congress 2011 · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources Conservation ServiceUniversity of GuelphU.S. Department of Agriculture
Mots-clésSurface runoffRunoff curve numberRunoff modelSaturation (graph theory)AridRichards equationComputer scienceField (mathematics)Interpolation (computer graphics)Applied mathematicsSoil scienceEnvironmental scienceMathematicsAlgorithmHydrology (agriculture)Mathematical optimizationSoil waterEngineeringGeotechnical engineeringGeologyEcologyArtificial intelligenceImage (mathematics)

Résumé

récupéré en direct d'OpenAlex

In practice, the United States (U.S.) Soil Conservation Service (SCS) curve number (CN) method is commonly used in distributed, continuous-time hydrologic models to estimate direct runoff. However, for the standard SCS-CN method, the determination of initial abstraction (Ia) as a fraction of potential maximum retention (S) after runoff starts is very subjective and thus highly debatable. The objective of this study was to develop a Modified Rational Equation (MoRE) that combines the advantages (e.g., simplicity and global acceptance) of Rational Equation and those (e.g., easy parameterization and extensive verification in U.S.) of the standard SCS-CN method as well as that can be used to more accurately predict direct runoff depth. The MoRE has two variables, rainfall intensity and relative saturation, but it does not require Ia be determined. A verification using laboratory and field data indicated that the MoRE can more accurately reproduce the observed direct runoffs than the standard SCS-CN method as well as its improved version.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,154
Score d'incertitude au seuil0,899

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,203
Écart entre enseignants0,170 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Environmental and Water Resources Congress 2011Même sujetHydrology and Watershed Management StudiesTravaux en français237 207