MétaCan
Menu
Retour à la cohorte
Enregistrement W4401820435 · doi:10.18280/i2m.230402

Generation Rainfall Intensity Equations for Intensity Duration Frequency (IDF) Curves (Case Study: Salah Al-Din, Iraq)

2024· article· en· W4401820435 sur OpenAlexvenueno aff
Asmaa Abdul Jabbar Jamel, Zainab Thair Dawood

Notice bibliographique

RevueInstrumentation Mesure Métrologie · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntensity (physics)Duration (music)MathematicsPhysicsStatisticsOpticsAcoustics

Résumé

récupéré en direct d'OpenAlex

The intensity of rainfall can be considered an important influence in designing and operating hydraulic structures.The intensity-duration-frequency (IDF) curves are very important for planning, managing, operating, and designing all water resource projects.The current study aimed to derive the curves of IDF and equations for the stations (Tikrit, Samraa, Baiji, and Tuz) in Salah Al-Din/Iraq.Using the maximum daily rainfall during the period between 1990 and 2022, developed the empirical equations for estimating rainfall intensity with the various rainfall durations and different return periods (IDF equations), by using three methods of frequency distribution techniques (Gumbel, Log Pearson III, and Log-Normal).By finding all the missing rainfall data using the homogeneity curve expectation maximization (EM) algorithm adopted in SPSS, and checking the consistency of the data using the double mass curve technique.The results showed that the rainfall intensity reduced as the duration increased, while rainfall of any duration showed a higher intensity if the return period of the rainfall was large.A comparison among the three distributions was made using the methods of testing goodness (Chi-Square, Anderson-Darling, and Kolomokorov-Simornov) using Easy Fit software 5.6.The test results proved that the Log Pearson III distribution was the best method for the study area having correlation coefficients 0.92, 1, 0.96, and 0.92 for Tikrit, Samraa, Baiji, and Tuz stations, respectively.Also, Bernard's equation with an error ratio of (α< 0.05), can be adopted as a general empirical equation for all hydraulic projects in the study area.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,067
Tête enseignante GPT0,334
Écart entre enseignants0,267 · 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'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 revueInstrumentation Mesure MétrologieMême sujetHydrology and Drought AnalysisTravaux en français237 207