ANALISA LUAS GENANGAN MENGGUNAKAN APLIKASI HEC-RAS 6.1 SECARA 3D DENGAN LUAS GENANGAN BANJIR YANG PERNAH TERJADI PADA DAS WAY PISANG (STUDI KASUS: DAS WAY PISANG)
Notice bibliographique
Résumé
Daerah Aliran Sungai (DAS) Way Pisang merupakan salah satu DAS yang terdapat pada Kabupaten Lampung Selatan dan memiliki sungai yang bermuara di Sungai Way Sekampung. Das Way Pisang mengalami fenomena alih fungsi lahan (land use) yang terjadi hampir disepanjang aliran dari hulu hingga hilir, sehingga setiap tahun selalu terjadi bencana banjir di beberapa lokasi sepanjang aliran Sungai Way Pisang. Penelitian ini menggunakan beberapa aplikasi bantuan yaitu ArcGIS 10.7.1, Global Mapper v23.0 dan HECRAS 6.1. Metode penelitian yang digunakan adalah dengan simulasi luas banjir menggunakan HEC-RAS 6.1 secara 3D. Dengan tipe aliran unsteady flow, dan menampilkan luas genangan banjir menggunakan RAS Mapper. Penelitian yang dilakukan ini mendapatkan hasil perubahan land use secara 3D sehingga dapat terlihat secara nyata ketinggian yang akan terjadi pada daerah yang mengalami banjir tersebut.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 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) | 0,021 | 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 ».