Comparing Discharge Computation Methods in Great Lakes Connecting Channels
Notice bibliographique
Résumé
Records of discharge for the connecting channels within the Great Lakes Basin are important to national governments of Canada and the United States and the various water management agencies and users in the basin. For more than 100 years, the official discharge records for the St. Clair and Detroit Rivers, two connecting channels within the Great Lakes Basin, have been computed using various stage-fall-discharge (SFQ) methods. However, as a result of technological advancements, newer methods have recently been considered for discharge computations. In this study, three discharge computation methods were compared: two SFQ methods and the index-velocity discharge (IVQ) method. Although the two SFQ methods have significantly different assumptions and use different data from the index-velocity method, the differences between the computed discharges derived from the methods are small, especially as the time step approaches monthly discharge values. Statistical analyses of discharge measurements and discharges computed using each of these methods indicate that there is no substantive difference in the discharges computed using the three methods. However, the IVQ method provides distinct advantages over the SFQ methods, including increased temporal resolution of computed discharge (minutes versus daily) and the ability to account for changes caused by aquatic vegetation and ice. Based on the results of the comparisons described herein, the IVQ discharge computation method is the most appropriate method for discharge computation in the St. Clair and Detroit Rivers. Updated SFQ equations for the St. Clair and Detroit Rivers, also presented herein, can be used to compute discharge during periods of missing or invalid IVQ record.
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 | 0,000 |
| 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 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 ».