MétaCan
Menu
Retour à la cohorte
Enregistrement W3172441920 · doi:10.1002/ird.2620

Determination of canal seepage loss in Arrah Main Canal: A case study<sup>*</sup>

2021· article· en· W3172441920 sur OpenAlexaboutno aff
V. P. Singh, Chandan Raj, Shashank Shekhar Sandilya

Notice bibliographique

RevueIrrigation and Drainage · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic flow and structures
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Technology, Patna
Mots-clésInflowOutflowGeotechnical engineeringHydrology (agriculture)PermeameterGeologyHydraulic conductivitySoil scienceEnvironmental scienceSoil water

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, seepage losses have been determined by the direct inflow–outflow method at four selected reaches of the unlined Arrah Main Canal. Grain size analyses of bed materials of all reaches have been carried out, and in situ hydraulic conductivities have been computed using the Guelph permeameter method in all the reaches. The inflow and outflow discharges of all the reaches have been measured using the area–velocity method. The cross‐section and velocity profiles at the corresponding canal sections have been measured using an echo sounder and a digital current meter, respectively, upstream and downstream of all the selected reaches. Seepage loss in each reach has been computed using the continuity equation assuming the evaporation losses are negligible. Also, the empirical equations (Molesworth, Offengenden, and Moritz) have been used to calculate the seepage losses in these reaches and compared with the seepage losses determined by the experimental observations. The measured seepage losses in the unlined Arrah Main Canal varied from 3.66 to 13.4 m3/s/106 m2. The percentage of seepage losses varied from 2.2% to 8.35%, and seepage losses measured and estimated using empirical equations were comparable.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,232
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIrrigation and DrainageMême sujetHydraulic flow and structuresTravaux en français237 207