A Width Parameter Estimation Through Equivalent Rectangle Methodology for Hydraulic Modeling Applications
Notice bibliographique
Résumé
EPA SWMM hydraulic modeling requires the estimation of different parameters allowing the determination of the basin's response upon a given precipitation event. Some physical parameters, such as area or perimeter, are measurable and can be accurately determined; however, other parameter estimation presents greater uncertainty, such as the width parameter. For regular and uniform drainage areas, width parameter estimation is relatively simple; however, when a complete irregular basin analysis is required, width determination presents greater uncertainty, and its representativeness becomes complicated to define. Width determination is idealized with the representation of a rectangle, where, for an equal area, a higher width will result in a faster response of the basin, while a lower width will result in a slower response of the basin. This paper attempts to estimate a representative value of width for a realistic, irregularly shaped basin by defining the equivalent rectangle, which takes into account the area, perimeter, and compactness index of the basin. The compactness index can be used to classify the basin by its shape. The shape of the basin is an indicator of how the precipitation histograms are temporally distributed and how the water flows through the basin, i.e., it defines the response speed of the basin, as the width parameter does in modeling. The width parameter has a high sensitivity in the EPA SWMM modeling results; therefore, an inaccurate estimation of the parameter leads to unrepresentative results. For this reason, this study seeks to find an optimal methodology to reduce modeling uncertainty and achieve more accurate simulations of an irregular watershed's hydrological response.
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 | 0,002 | 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 | 0,001 | 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 ».