MétaCan
Menu
Retour à la cohorte
Enregistrement W2509074496 · doi:10.33736/jita.47.2015

Simulation of 2D Saint-Venant equations in open channel by using MATLAB

2016· article· en· W2509074496 sur OpenAlexaff
Shakeel Ahmed Kamboh, Izzatul Nabila Sarbini, Jane Labadin, Monday Eze

Notice bibliographique

RevueJournal of IT in Asia · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensQuest University Canada
Organismes subventionnairesPusat Pengurusan Penyelidikan dan Inovasi, Universiti Utara Malaysia
Mots-clésOpen-channel flowDiscretizationFlow (mathematics)Channel (broadcasting)Flood mythMechanicsShallow water equationsGeologyFlash floodComputer scienceSimulationMathematicsMathematical analysisPhysicsGeographyTelecommunications

Résumé

récupéré en direct d'OpenAlex

2D surface flow models are useful to understand and predict the flow through breach, over a dyke or over the floodplains. This paper is aimed at the surface flows to study the behavior of flood waves. The open channel water flow in drains and rivers is considered in view of the fact that such flows are the source of flash flood. In order to predict and simulate the flood behavior, a mathematical model with the initial and boundary conditions is established using 2D Saint-Venant partial differential equations. Next, the corresponding model is discretized by using the explicit finite difference method and implemented on MATLAB. For the testing and implementation purpose a simple rectangular flow channel is considered. The output parameters like height or depth of water z (m), the fluid velocity u (m/s) and the volumetric flow rate Q (m3/sec) are simulated numerically and visualized for the different time steps. The initial simulation results are useful to understand and predict the flood behavior at different locations of flow channel at specific time steps and can be helpful in early flood warning systems. It is also suggested that the coupling of the subsurface flow with the surface flow may provide even better approximations for the flood circulation.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,322

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,036
Tête enseignante GPT0,322
Écart entre enseignants0,286 · 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'étudeSimulation ou modélisation
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of IT in AsiaMême sujetFlood Risk Assessment and ManagementTravaux en français237 207