MétaCan
Menu
Retour à la cohorte
Enregistrement W3035107854 · doi:10.14796/jwmm.c471

A Comparative Study of 2-Dimensional Hydraulic Modeling Software, Case Study: Sorrento Valley, San Diego, California

2020· article· en· W3035107854 sur OpenAlexvenueno aff
Kian Bagheri, W. Requieron

Notice bibliographique

RevueJournal of Water Management Modeling · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesSan Diego State University
Mots-clésFlood mythArchaeologyEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Sorrento West business park, a business campus for biotechnology and scientific research, is a flood prone hotspot in San Diego, California. Roselle Street and Dunhill Street experience flooding multiple times a year due to overtopping of adjacent channels, including Carroll Canyon Creek, Los Peasquitos Creek and Flintkote Channel. A flood significantly affects the businesses and people of the area, trapping employees and customers inside businesses, forcing the shutdown of the Coaster service and access to the I-5 freeway, and causing hundreds of thousands of dollars in property damage. Previous one-dimensional hydraulic studies conducted on the flood capacity of these channels show that they only have capacity to contain the 5 y storm event. This study incorporates two different two-dimensional hydraulic modeling techniques to supplement previous one-dimensional hydraulic studies. These two models were prepared with the United States Army Corps of Engineers Hydrological Engineering Center's River Analysis System (USACE HEC-RAS) and PCSWMM. In addition, a sensitivity analysis of the two two-dimensional models was performed to compare the response of the models to the research assumptions.

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 enseignants0,106
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,048
Tête enseignante GPT0,281
Écart entre enseignants0,233 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetFlood Risk Assessment and ManagementTravaux en français237 207