MétaCan
Menu
Retour à la cohorte
Enregistrement W3183848362 · doi:10.18280/ijdne.160308

Simulation Model for Optimal Operation of Dokan Dam Reservoir Northern of Iraq

2021· article· en· W3183848362 sur OpenAlexvenueno aff
Sadeq Oleiwi Sulaiman, Hasan Hussein Abdullah, Nadhir Al‐Ansari, Jan Laue, Zaher Mundher Yaseen‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWater resources management and optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInflowOutflowEnvironmental scienceHydrology (agriculture)InletWater resourcesCurrent (fluid)Petroleum engineeringEnvironmental engineeringEngineeringGeotechnical engineeringMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Due to the limitation of water renewable resources on one hand and increasing growth in consuming water in different parts such as agriculture, industry, urban, and the environment in other hand, face management of these valuable resources to many challenges. Present study attempts to clarify recent condition of the problem and introduce effective management tools in water supply sector. In order to achieve this purpose, simulating model HEC-Res Sim was used for Dokan Dam to study the operational behavior of the reservoir and to investigate the model capability in representing and simulating the real system. The study based on monthly discharge data for the period from 1986 to 2016 measured at the inlet of Dokan Dam reservoir. The results of the current study were compared and evaluated against those counterparts observed data using two statistical metrics, correlation coefficient and Nash- Sutcliff coefficient efficiency. Moreover, an empirical formula was found linking the amount of inflow to the reservoir with the amount of outflow. The results showed that the HEC-ResSim 3.0 performed well in simulating the monthly discharges. Therefore, HEC-ResSim 3.0 could be used for better water system analysis in this study area.

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)0,000
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: aucune
Score de désaccord entre enseignants0,746
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetWater resources management and optimizationTravaux en français237 207