Pemodelan Degradasi dan Agradasi Dasar Sungai dengan Beberapa Persamaan di Sungai Winongo Yogyakarta
Notice bibliographique
Résumé
Calculating riverbed degradation and aggradation is essential in designing riverbank protection structures, particularly for determining foundation depth. Excessive degradation can compromise foundation stability, significantly increasing the risk of structural failure. Numerous predictive models for egradation and aggradation have been developed by researchers, highlighting the importance of selecting an equation that closely aligns with the specific characteristics of the river to achieve optimal design accuracy. This study aims to determine the most suitable predictive model for riverbed degradation and aggradation. A case study was conducted along a 43.75 km of the Winongo River Yogyakarta. The simulation involved riverbed sediment data collected at 500 m intervals from upstream to downstream, and secondary discharge data comprising average daily discharge for both wet and dry months. The selected grainsize parameter follows standards in HEC-RAS 6.3.1, with the Meyer Peter Müller equation applied to d90, Engelund Hansen to d50, and Laursen Copeland to d84. Simulation results of riverbed degradation were then compared against observed conditions of riverbank erosion. Riverbank steepness or protective structure failure indicates excessive riverbed degradation, while stable conditions suggest otherwise. Based on the simulations conducted on the Winongo River, the Engelund Hansen equation provided average degradation estimates more consistent with field conditions than the other two equations.Keywords: degradation and agradation, transport sediment equations, HEC-RAS, river bank
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».