MétaCan
Menu
Retour à la cohorte
Enregistrement W4315628769 · doi:10.33558/bentang.v11i1.5605

Analisis Debit Banjir Rencana Daerah Tangkapan Air Waduk Tugu Menggunakan HEC-HMS

2023· article· en· W4315628769 sur OpenAlexaff
Anas Zulfikar Rasyid, Suharyanto Suharyanto, Robert Johanes Kodoatie, Yogi Pandhu Satriyawan

Notice bibliographique

RevueBentang Jurnal Teoritis dan Terapan Bidang Rekayasa Sipil · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueMultimedia Learning Systems
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydrology (agriculture)Flood mythImpervious surfaceDrainage basinSpillwayEnvironmental scienceHEC-HMSGeographyGeologyCartographyArchaeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Over the course construction of Tugu Reservoir, it is proposed to build a spillway gate to increase its performance as a flood control infrastructure. The construction planning of spillway gate requires a calculation of design flood discharge for Tugu Reservoir Catchment Area. The latest calculation was carried out during its construction planning in 2010. Therefore, it is necessary to evaluate and recalculate the design flood discharge using the latest data. This study aims to model design flood discharge of Tugu Reservoir Catchment Area using HEC-HMS software. This software is able to simulate rainfall-runoff modeling in a catchment area. Based on field conditions, Tugu Reservoir catchment has parameters, curve number value of 79, impervious value of 5%, and a lag time of 4.81 minutes. The result of the HEC-HMS modeling shows that the design flood discharge of Tugu Reservoir for Q100 is 369,30 m3/s; Q1000 is 656,70 m3/s; and QPMF is 995.30 m3/s. Based on the test using Creager Graph, the design flood discharge for Tugu Reservoir is still in the reasonable category with C value below 100. The result of the HEC-HMS modeling is not much different from the calculation result of Tugu Reservoir Construction Planning in 2010.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,016
Tête enseignante GPT0,252
Écart entre enseignants0,236 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBentang Jurnal Teoritis dan Terapan Bidang Rekayasa SipilMême sujetMultimedia Learning SystemsTravaux en français237 207