Analysis of Urban Drainage Simulations of an Immensely Urbanized Watershed using the Pcswmm Model
Notice bibliographique
Résumé
Flooding has caused immense damage to the people as well as to the property. Flooding in urban areas mostly occurs due to increased urbanization, low rate of infiltration and poor infrastructure for stormwater drainage network. Stormwater Management Model (SWMM) is found to be very dynamic hydrology-hydraulic water quality simulation model for modeling of the urban stormwater drainage network. In the present study, PCSWMM model is used for modeling the stormwater drainage network for the southern part of Delhi, the capital city of India. PCSWMM is developed by Computational Hydraulics International (CHI), Canada. PCSWMM uses the same SWMM engine for the modeling work; the only advantage is that it is GIS compatible software which makes this model more efficient. The model required following input information for simulation, i.e., land-use for calculating impervious and previous area, soil type, 15-minute interval precipitation data, temperature, humidity, and three-dimension cross-sectional geometry of the existing drainage network. A field survey was carried out for data collection, and in the process, it was found that most of the storm-water drains are choked, have improper flow gradient 370or damaged. All the collected field details of the storm-water drains were incorporated in ArcMap 10.1 and then imported in PCSWMM to develop a hydrology-hydraulic model for surface runoff. The simulated results of the model were further calibrated and validated with the available flooding locations data obtained from the Delhi Traffic Police Department. The simulated results were in close agreement with the observed flooding locations. Thus PCSWMM model can be applied to any urban/rural areas for designing stormwater drains or drainage network.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».