MétaCan
Menu
Retour à la cohorte
Enregistrement W4285654064 · doi:10.14741/ijcet/v.10.5.6

Prediction Rainfall in 2020 in Telangana

2020· article· en· W4285654064 sur OpenAlexaff
Anand M. Sharan

Notice bibliographique

RevueInternational Journal of Current Engineering and Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésFast Fourier transformLinear regressionStatisticsArtificial neural networkRoot mean squareValue (mathematics)MathematicsRegressionMean squared errorPower (physics)Series (stratigraphy)EconometricsComputer scienceAlgorithmArtificial intelligenceEngineeringGeologyElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Present work uses four separate methods to arrive at the prediction value by taking the average of the results of these four. Here, the calculations are based on past 32 year history of rainfall in Telangana. The four methods are: (1) The Root Mean Square (RMS) values, (2) the Artificial Neural Network (ANN) method, (3) The Fast Fourier Transform (FFT) method, and the Time Series method. Out of these the first and the last methods involve linear regression hence the results obtained exhibit a linear curve. Here, the prediction can be made about 8 months in advance to give sufficient time for planning to the farmers or hydro-electric power generators, or the governments at different levels.

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: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,277

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 Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Current Engineering and TechnologyMême sujetEnergy Load and Power ForecastingTravaux en français237 207