Urban Flood Modeling of a Partially Separated and Combined Drainage System in the Grefsen Basin in Oslo, Norway
Notice bibliographique
Résumé
The Storm Water Management Model (SWMM) has been globally used for stormwater management. However, the calibration and evaluation of SWMM for historical rainfall–runoff events in partially separated and combined drainage systems is rarely reported in Norway. In this study, we employed SWMM for the Grefsen catchment in Oslo, Norway. The main problem in the Grefsen basin is combined sewer overflow. We calibrated the model parameters based on 32 rainfall–runoff events and evaluated the calibrations using four indicators: Nash–Sutcliffe efficiency, percentage bias, and continuity errors for runoff and flow. There were 32 successful calibrations using Nash–Sutcliffe efficiency, 30 successful calibrations using percentage bias, 32 successful calibrations using continuity error runoff, and four successful calibrations using continuity error flow. SWMM can well simulate the dynamics of hydrological and hydraulic systems in this catchment. Among the 124 validations, there were 88 successful simulations using Nash–Sutcliffe efficiency, 35 successful simulations using percentage bias, 124 successful simulations using continuity error for runoff, and 62 successful simulations using continuity error for flow. The results show that percentage bias and continuity error flow are the critical indicators for model calibration. This study reveals the large uncertainty caused by calibration and validation criteria, and highlights the importance of considering model computation error.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».