Peringatan Dini Banjir Menggunakan Multi Sensor Pada Prototype Aliran Sungai Berbasis Internet of Things
Notice bibliographique
Résumé
Salah satu dampak nyata dari perubahan iklim adalah banjir yang telah terjadi lebih sering di banyak wilayah padat penduduk dan menyebabkan dampak pada kehidupan manusia dan mata pencaharian. Untuk mendapatkan ketinggian permukaan air kanal, dengan cara memanfaatkan rambatan gelombang suara ultrasonik yang dipantulkan pada obyek. Dengan diketahuinya jarak obyek, maka dapat dilakukan komputasi untuk mengetahui ketinggian permukaan air kanal. Nilai ketinggian permukaan air kanal dikirim melalui jaringan internet menuju Internet of Thing (IoT) cloud server yang dapat di monitor oleh pengguna. Penelitian ini bertujuan untuk merancang bangun alat mengukur ketinggian air sungai sehingga dapat mendeteksi apabila akan terjadi banjir, alat ini menggunakan multi level sensor sebagai sensor yang dapat mendeteksi ketinggian air dan memanfaatkan teknologi IoT untuk monitoring langsung. Hasil yang dicapai dalam penelitian ini alat prototype peringkatan dini banjir dapat yang dikontrol menggunakan aplikasi android untuk mengetahui ketinggian air melalui sensor yang dipasang pada aliran sungai, sehingga dapat dijadikan sebagai system peringatan dini banjir.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».