Modeling Surface Runoff in Al-Mohammadi Valley: Influence of Climate and Soil Parameters
Notice bibliographique
Résumé
The use of artificial neural networks (ANNs) is becoming increasingly common in the analysis of hydrology and water resources problems.In this research, an ANN was developed and used to model the rainfall-runoff relationship, in a catchment located in a arid climate in western part of Iraq.The aim of this paper is to model the rainfall-runoff relationship in the Al-Mohammadi Valley using a black box type model based on ANN methodology.The multilayer perceptron (MLP) neural network was chosen for use in the current study.Six parameters were considered as independent parameters in the model: daily precipitation, evaporation, temperature, with soil surface properties such as profile soil moisture, root zone soil wetness in addition to soil surface wetness.The Data had been used for about thirty-one years from 1990 up to 2015.The results and comparative study indicate that the artificial neural network method is more suitable to predict river runoff than classical multi linear regression model with a correlation coefficient of 0.61.The results show that the proposed ANN prediction model had a great probability to simulate and predict Runoff.It was observed that the predicted Runoff were close to the observed values with (R = 0.995) for.The significant values of 0.712, and 0.707 for the t-test and F-test respectively indicated the capability of these models to predicate data and there were no significantly different between predicated and observed values.The most variable affecting Runoff values among the runoff input variables is the precipitation as 100% normalized importance analysis, followed by the temperature 85.7%, then soil surface wetness is 72.1%, and the evaporation is 43.4%.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».