MétaCan
Menu
Retour à la cohorte
Enregistrement W4396552028 · doi:10.1051/e3sconf/202451903013

Impact of Debris and Non-Debris Flow in Flood Damage at River Confluence, Case Study of Miu-Tuva River Confluence

2024· article· en· W4396552028 sur OpenAlexaff
Mayjen Sinema Telaumbanua, Eka Oktariyanto Nugroho, Hadi Kardhana, Muhamad Ismaun, Ricky Pondaag, Rimamunanda Ekamarta, Fatma Nurkhaerani, Azman Syah Barran Roesbianto, Mona Mostafa

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandslides and related hazards
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésConfluenceDebris flowDebrisFlood mythHydrology (agriculture)GeologyFloodplainEnvironmental scienceGeographyArchaeologyGeotechnical engineeringCartographyOceanography

Résumé

récupéré en direct d'OpenAlex

Hydrodynamic flow is the flow and its properties that move in a natural or artificial condition. While in natural conditions, the flow event that often occurs in the flow of water by carrying material particles with various gradation sourced from the catchment area. The large concentration of material in a body of water will influence the shape of the river’s cross section for a certain period of time until it reaches an equilibrium condition. The purpose of this paper is to determine the hydrodynamic pattern that occurs at the confluence of the Miu River and Tuva River which is caused by fluid flow in non-debris (Newtonian) and debris flows (Non-Newtonian) so that control of the destructive power of water in the river can be optimized. The velocity of non-newtonian flow (debris) is lower than that of newtonian flow (water) because the viscosity of non-newtonian flow (debris) is higher than that of newtonian flow. On the other side, with the incoming discharge flow from the tributary, the velocity at the river cross section tends to increase on the far side of the direction of the incoming tributary flow.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,011
Tête enseignante GPT0,260
Écart entre enseignants0,249 · 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.

Devis d'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetLandslides and related hazardsTravaux en français237 207