MétaCan
Menu
Retour à la cohorte
Enregistrement W4393362051 · doi:10.30998/faktorexacta.v15i4.11419

Pembuatan Peta 3D Urban Model Untuk Visualisasi Dampak Banjir

2023· article· id· W4393362051 sur OpenAlexaff
Adkha Yulianandha Mabrur, Feny Arafah, Fransisca Dwi Agustina, Lalu Teguh Suganda

Notice bibliographique

RevueFaktor Exacta · 2023
Typearticle
Langueid
DomaineEngineering
Thématique3D Modeling in Geospatial Applications
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

3D modeling is a process to create 3D objects that you want to put in a visual form. A 3D model is a mathematical representation of any three-dimensional object (either inanimate or living). A model is technically graphical until it is visually displayed. Because 3D models are not limited to virtual space. A model can be displayed visually as a two-dimensional image through a process called 3D rendering, or used in non-graphical computer simulations and calculations. In this case, the geographic information system can present a form of modeling of a hydrological phenomenon such as flooding in an area. This study aims to analyze the flood and visualize it in the form of three-dimensional modeling to see the impact of a flood threat due to the Jelateng river’s overflow. This study emphasizes information related to the impact caused by the overflow of the Jelateng river. Making a 3D urban map model will be used as a representation of the appearance of the Jelateng river area and then it will be visualized using DEMNAS data on the arcscene with the animation manager so that the visualization can be seen according to the scenario that will be carried out. The results of the research will be published in a journal so that it can be a reference for some users who want to know related information from the research results

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,006

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,272
Écart entre enseignants0,243 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaktor ExactaMême sujet3D Modeling in Geospatial ApplicationsTravaux en français237 207