MétaCan
Menu
Retour à la cohorte
Enregistrement W4379740932 · doi:10.14796/jwmm.c500

Rainfall-flow Modeling Using a Global Conceptual Model: Case of the Beni Bahdel Watershed (Northwest of Algeria)

2023· article· en· W4379740932 sur OpenAlexvenueno aff
Sid Ahmed Bouguerra

Notice bibliographique

RevueJournal of Water Management Modeling · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWatershedHydrology (agriculture)Environmental sciencePrecipitationEvapotranspirationFlood mythWater resource managementComputer scienceMeteorologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Rainfall-flow modeling remains necessary, even essential, to understand the dynamics of a watershed and to solve problems related to the disruption of hydrological regimes. It has been proven effective by providing solutions to many water-related problems, such as sizing and management of structures, and flood forecasting. Global hydrological models can simulate the transformation of rainfall data into flows on natural basins for many practical applications in the field of water resource management. Our study aims to evaluate the reliability of one of these models, that of Rural Engineering 'GR' at three time steps: annual (GR1A), monthly (GR2M), and daily (GR4J), which will be applied to the Beni Bahdel watershed with an area of 1040 km², one of the sub-basins of Northwestern Algeria. The input parameters are precipitation and potential evapotranspiration (PET), and the output parameters are flows. The results obtained, both in calibration and validations, are encouraging, where the evaluation criteria taken into consideration, namely the Nash criterion and the correlation coefficient, exceeded 70% and 0.80 respectively. The study could be a decision-making tool for the simulation of flows, and be very useful for future hydraulic developments in the study area.

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)0,001
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 enseignants0,125
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,001
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 Opus0,033
Tête enseignante GPT0,254
Écart entre enseignants0,220 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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