Investigating the impact of model complexity on efficiency, efficacy & ease of use for storm surge modelling – A case study of Hurricane Helene, Florida
Notice bibliographique
Résumé
It is a universally acknowledged fact that the changing climate is leading to more frequent and adverse storm induced flooding events. On September 26, Hurricane Helene (HH), a category 4 storm, made landfall near just south-west of Perry in Taylor County. HH was a fast-moving storm that resulted in both wind and flood induced damages finally leading to 230 fatalities across six states, with at least fourteen fatalities occurring in Florida and millions of dollars in property damages. Notably, HH was 13th category 4 storm in the preceding 18 months before it made landfall, underscoring the urgent need for numerical models that are both user friendly and efficient, yet capable of delivering high- fidelity results.This work investigates and compares the models based on Shallow Water Equations (SWEs), incorporating varying levels of complexity. The models were tested with different configurations, that is including/omitting different terms in the SWEs combined with the application of sub-grid methodology that allows for significant disparity between the computational grid resolution and the underlying digital elevation model (DEM) resolution. These models were applied to the coastal zone of the Steinhatchee River to simulate flood inundation extents and depths.The ease of application and the accuracy of results, as obtained from various models, provides valuable insights for policymakers. These insights can then be instrumental in the selection of models for efficient and effective integration into state-of-the-art flood warning system (FWS).
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».