Experimental and numerical studies for estimating coefficient of discharge of side compound weir
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A sharp-crested side compound weir is a flow diversion structure provided on one or both side walls of a channel to divert water from the main channel. Compound sharp-crested weirs are widely used in irrigation, hydraulics, and environmental engineering. This article presents results of experimental and numerical studies conducted on sharp-crested side compound weirs in open channels. Owing to the complex mechanism of flow through a side compound weir it is difficult to establish a regression model to accurately predict the coefficient of discharge (C d ). In this study, an alternative approach to the conventional regression modelling in the form of artificial neural network (ANN) has been used to predict the values of C d . A network architecture with trained values of connection weights and biases is recommended to predict C d . The input to ANN model consists of grouped parameters pertaining to the ratio of weighted crest height to the length of the side compound weir ([Formula: see text]), the ratio of upstream depth to length of the side compound weir (Y 1 /L), and upstream Froude number (F 1 ). The results of the ANN model applied herein were found to be superior to those obtained through regression modelling by previous researchers. The sensitivity analysis of the ANN model shows that [Formula: see text] is the most important parameter for the estimation of C d ; followed by Y 1 /L and F 1 .
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.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle