MétaCan
Menu
Retour à la cohorte
Enregistrement W4402479352 · doi:10.1021/acsestwater.4c00389

Using Optimization to Investigate the Adaptive Operation of Reservoirs under the Context of Climate Crisis

2024· article· en· W4402479352 sur OpenAlexafffund
Hidetaka Chikamori, Thanh Cong Tran, Tri Nguyen-Quang

Notice bibliographique

RevueACS ES&T Water · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacs
Mots-clésContext (archaeology)Environmental scienceClimate changeNatural resource economicsEnvironmental resource managementComputer scienceBiochemical engineeringEconomicsGeologyEngineeringBiologyEcology

Résumé

récupéré en direct d'OpenAlex

This study investigates the climate change impacts on the performance of the Thac Mo reservoir in Vietnam throughout the release duration from December to June of the following year. The adaptative optimization operating rules during two periods, 2029–2064 and 2064–2099, were analyzed. Precipitation and temperature of three shared socioeconomic pathway (SSP) scenarios (SSP1–2.6, SSP2–4.5, and SSP5–8.5) of the Coupled Model Intercomparison Project Phase 6 (CMIP6) derived from the global climate model (GCM) Meteorological Research Institute Earth System Model version 2.0 (MRI-ESM2–0) were used for inflow prediction. Due to the decreased inflow, the current operating rule would almost lead to a decrease in hydropower production of two periods of SSP1–2.6, SSP2–4.5, and SSP5–8.5 scenarios of −3.9, 0.7, −7.6, −6.7, −6.3, and 7.0% and an increase in water scarcity, with the respective amount of water deficit by 20.4, 6.8, 33.2, 31.3, 30.2, and 28.3% compared to the base period (1987–2022). The improved power production of 7.1, 7.1, 7.3, 6.2, 6.9, and 6.8% and reduced water shortage of −40.2, −42.7, −37.2, −43.4, −40.8, and −39.0% can be achieved by applying the nondominated sorting genetic algorithm II (NSGA-II) optimization technique under different periods and scenarios. This approach has the potential to mitigate climate change effects on future reservoir operations.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,374
Score d'incertitude au seuil0,216

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,299
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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS ES&T WaterMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207