MétaCan
Menu
Retour à la cohorte
Enregistrement W3096217915 · doi:10.22541/au.158456500.02834757

Surface-ground water interactions in numerical simulation: coupling strategies and techniques

2020· dataset· en· W3096217915 sur OpenAlexaff
Arefin Haque, Amgad Salama, Kei Lo, Xinlei Guo, Peng Wu

Notice bibliographique

RevueAuthorea · 2020
Typedataset
Langueen
DomaineEngineering
ThématiqueLattice Boltzmann Simulation Studies
Établissements canadiensWater Security AgencyUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésGroundwaterSurface waterCoupling (piping)Surface (topology)Domain (mathematical analysis)Computer scienceComputer simulationScheme (mathematics)Water resourcesEnvironmental scienceGeologySimulationEngineeringMathematicsEnvironmental engineeringGeotechnical engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Numerical simulation on groundwater is critical for water resources management. Much research has been conducted in the past using different techniques. Groundwater and surface water should not be treated as isolated components, but rather as interconnected constituents. The interaction between surface and ground water is complex and has never been fully understood. A clear understanding of fundamentals between surface and ground water is essential to conduct groundwater simulation. A comprehensive framework is needed to incorporate physical mechanisms with mathematical models for describing the surface-groundwater interactions. In the present review, up to date coupling strategies and techniques are summarized and compared. Detailed domain models and domain integrated models are reviewed respectively. The advantages and limitations of each technique, including fully coupled scheme and loosely coupled scheme, are presented. The available software using each coupling strategy are listed from previous research. The review will serve as a guidance for future numerical simulation on surface and groundwater interactions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,011

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 Opus0,045
Tête enseignante GPT0,326
Écart entre enseignants0,281 · 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 source (Gemma direct ou Codex distillé), 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAuthoreaMême sujetLattice Boltzmann Simulation StudiesTravaux en français237 207