MétaCan
Menu
Retour à la cohorte
Enregistrement W4200109706 · doi:10.18280/ijdne.160613

Flow Simulation Using 2D Hydrodynamic Model at the Palu Estuary Based on National DEM (DEMNAS) Source Data

2021· article· en· W4200109706 sur OpenAlexvenueno aff
Muh. Galib Ishak, I Gede Tunas, Rudi Herman, Setiyawan Setiyawan, Yassir Arafat

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFlood Risk Assessment and Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Tadulako
Mots-clésDigital elevation modelElevation (ballistics)Range (aeronautics)Flow (mathematics)GeometryGeologyRemote sensingEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

2D hydrodynamic simulation is very important to be performed to interpret the flow characteristics of a river segment. The success of this simulation is determined not only by the input boundary data, but also by the quality of the data used to create the geometry model, such as terrestrial survey data, digital elevation model (DEM) or data from other sources. This paper aims to assess the use of National DEM data (DEMNAS) as the basis for constructing a 2D geometry model for flow simulation in the downstream segment of the Palu River, Sulawesi, Indonesia. The simulation results using this DEM were compared with simulations based on geometry generated from terrestrial survey data. The hourly observation discharge data at Point P3 and tidal observation data at Point P1 in the period March 17th – 18th, 2021 were assigned as the inputs at the upstream and downstream boundaries, respectively. The performance of the two model scenarios was evaluated by comparing the water surface elevation observed and simulated during the time range at Point P2 using the efficiency of Nash–Sutcliffe (NSE). The simulation results show that the two geometry-forming data provide different performance against NSE. The terrestrial survey data shows a fairly good performance, while the DEMNAS data indicates a poor performance with a negative NSE. Based on the NSE of these two scenarios, it can be interpreted that the DEMNAS data is still not sufficient to construct the model geometry for the case in this area. This is not only related to the DEMNAS resolution, especially the vertical resolution, but is also related to the very low topographical slope in the estuary of the river. However, the use of these data in areas of higher slope can be re-evaluated.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,121

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,292
Écart entre enseignants0,266 · 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
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetFlood Risk Assessment and ManagementTravaux en français237 207