MétaCan
Menu
Retour à la cohorte
Enregistrement W4406220508 · doi:10.14796/jwmm.c535

Development of Appropriate Synthetic Design Storms for Small Catchments in Gauteng, South Africa

2025· article· en· W4406220508 sur OpenAlexvenueno aff
Johann Mouton, Ione Loots, J. Smithers

Notice bibliographique

RevueJournal of Water Management Modeling · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensnon disponible
Organismes subventionnairesWater Research Commission
Mots-clésStormEnvironmental scienceMeteorologyIntensity (physics)Surface runoffEvent (particle physics)ClimatologyGeologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

Synthetic design storms are often used as input in dynamic rainfall-runoff simulation models. A number of methods to generate synthetic design storms are described in the literature. However, the selection of an inappropriate synthetic design storm will generate unrealistic simulations. Therefore, the aim of this study was to develop appropriate synthetic design storms for small urban catchments in Gauteng, South Africa. This study evaluated the applicability of the SCS method adapted for South Africa (SCS-SA), the Chicago Design Storm method and the Rectangular Hyetograph method. The performance of each method was evaluated compared to observed rainstorm events. Storm shape and intensity were used for the evaluation. As expected, the Rectangular Hyetograph was the least representative of naturally occurring storm events. The Chicago Design Storm and SCS-SA distribution curves initially performed poorly. Adjustment of the timing of the peak storm intensity to the start of the event resulted in a significant improvement for both methods. A novel approach was used to generate intermediate site-specific SCS-SA rainfall distribution curves anywhere 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 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)0,002
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: aucune
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,036
Tête enseignante GPT0,230
Écart entre enseignants0,194 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Management ModelingMême sujetHydrology and Watershed Management StudiesTravaux en français237 207