MétaCan
Menu
Retour à la cohorte
Enregistrement W4289756566 · doi:10.4236/jwarp.2022.148030

Estimation of Reservoir Volumes at Drafts of 40% - 90%: Drought Magnitude Method Applied on Monthly River Flows from Canadian Prairies

2022· article· en· W4289756566 sur OpenAlexafffundabout
T.C. Sharma, U.S. Panu

Notice bibliographique

RevueJournal of Water Resource and Protection · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStandard deviationCoefficient of variationHydrology (agriculture)Environmental scienceLagStatisticsAutocorrelationMathematicsRange (aeronautics)SmoothingGeology

Résumé

récupéré en direct d'OpenAlex

The draft ratios for sizing the reservoirs can vary within a wide range (40% - 90% of the mean annual flow, MAF), depending upon the demands for water by various users, and environmental and ecological considerations. The reservoir volumes based on the drought magnitude (DM) method were assessed at aforesaid draft ratios using monthly-standardized hydrological index (SHI) sequences of 10 Canadian rivers located in the Canadian prairies and northwestern Ontario. These rivers are typified by a high level of persistence lag-1 autocorrelation, ρ1m ≥ 0.50 and up to 0.94) and coefficient of variation (cvo) in the range of 0.42 to 1.48. The moving average (MA) smoothing of monthly SHI sequences formed the basis of the DM method for estimating reservoir volumes. The truncation or cutoff level in the SHI sequences was found as SHIx [=(α - 1)μo/σo], [(α - 1)μo/σmax], or [(α - 1)μo/σav], where α (=0.40 to 0.90) is the draft ratio i.e. proportion of the MAF, μo and σo are the overall mean and standard deviation of the monthly flows, σmax is the maximum value of standard deviations and σav the average of 12 monthly values. The failure probability levels (PF) were fixed at 5%, 2.5% and 0% (corresponding reliability of 95%, 97.5% and 100%). The study revealed that the coefficient of variation is the most important parameter that influences the reservoir size while the role of lag-1 autocorrelation (ρ1m) appears more pronounced at high draft ratios, α such as 0.90, 0.80 and 0.70 in increasing the reservoir size. The DM based method can be regarded as an alternative to Behavior analysis for sizing reservoirs at the desired probability of failure or reliability level.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,941

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Water Resource and ProtectionMême sujetHydrology and Watershed Management StudiesTravaux en français237 207