MétaCan
Menu
Retour à la cohorte
Enregistrement W3161632419 · doi:10.18280/ijdne.160202

New Regression Model for Estimating Irrigation Water Quality Index

2021· article· en· W3161632419 sur OpenAlexvenueno aff
Riyadh Jasim Mohammed Al-Saadi, Abdul Khider Aziz Mutasher, Aysar Tuama Al-Awadi

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Pollution Assessment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGroundwaterIrrigationEnvironmental scienceIndex (typography)Regression analysisWater qualityGroundwater modelQuality (philosophy)Environmental engineeringLinear regressionHydrology (agriculture)MathematicsStatisticsGroundwater rechargeEngineeringComputer scienceAgronomyAquiferGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

The common tool to evaluate the groundwater quality is so-called the Irrigation Water Quality Index (IWQI). In the present study, the IWQI model developed by Meireles is used to assess the quality of groundwater in Karbala - Najaf plateau, Iraq. The quality parameters that collected from groundwater tests of 78 wells in the study area are; EC, Na+1, Mg+2, Ca+2, Cl-1, and HCO3-1. The SPSS software program is employed to develop a non-linear regression model of the IWQI for the study area. The results show that the IWQI values for 90% of groundwater wells fall within the Severe Restriction (SR) category, which means that it’s only suitable for irrigation of high salt tolerance crops. While its remaining 10% of the wells are in the High Restriction (HR) category, and this means it is suitable for irrigation of moderate to high salt tolerance crops. The calibration and validation for the developed model presented that this model has a good estimation of the IWQI values. Due to flexible and unbiased, the current study recommends to use the proposed model to estimate the IWQI.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil0,251

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,034
Tête enseignante GPT0,332
Écart entre enseignants0,298 · 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
GenreMéthodes

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetWater Quality and Pollution AssessmentTravaux en français237 207