Comparative Analysis of Event- based Rainfall-runoff Modeling Techniques-Deterministic, Statistical, and Artificial Neural Networks / Jain, Ashu in Journal of hydrologic engineering, Vol. 8, N° 2 (Mars/Avril 2003)  

Public ISBD [article]  inJournal of hydrologic engineering > Vol. 8, N° 2 (Mars/Avril 2003) . - 93-98 p. Titre : Comparative Analysis of Event- based Rainfall-runoff Modeling Techniques-Deterministic, Statistical, and Artificial Neural Networks Titre original : L'Analyse Comparative de l'Evénement a Basé l'Ecoulement de Précipitations Modelant les Réseaux Neurologiques de Techniques Déterministes, Statistiques, et Artificiels Type de document : texte imprimé Auteurs : Jain, Ashu, Auteur ; Indurthy, Prasad, Auteur Année de publication : 2005 Article en page(s) : 93-98 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Rainfall runoff relationships Neural networks Regression models Hydrographs Rapports d'écoulement de précipitations Réseaux neurologiques Modèles régression Hydrogrammes Index. décimale : 551.4 surface du globe.Géographie physique.Géomorphologie Résumé : Modeling of an event based rainfall runoff process has been of importance in hydrology. Historically, researchers have relied on conventional modeling techniques, either deterministic, which consider the physics of the underlying process, or systems theoretic/black box, which do not. This Technical note investigates the suitability of some deterministic and statistical techniques along with the artificial neural networks (ANNs) technique to model an event based process. Specifically, two unit hydrograph models, four regression models, and two ANN models were developed. Data derived from Salado Creek at Bitters Road, San Antonio were better representation of an event based rainfall runoff process in general, and better prediction of peak discharge and time to peak discharge, in particular. Modeler d'un processus d'écoulement de précipitations basé par événement a été d'importance en hydrologie. Historiquement, les chercheurs ont compté sur les techniques modelantes conventionnelles, l'une ou l'autre déterministe, qui considèrent la physique du processus fondamental, ou la boîte des systèmes theoretic/black, qui pas . Cette note technique étudie la convenance de quelques techniques déterministes et statistiques avec la technique artificielle de réseaux neurologiques (ANNs) pour modeler un processus basé par événement. Spécifiquement, deux modèles d'hydrogramme d'unité, quatre modèles de régression, et deux modèles d'ANN ont été développés. Les données dérivées de la crique de Salado à la route de bitter, San Antonio étaient une meilleure représentation d'un processus d'écoulement de précipitations basé par événement en général, et une meilleure prévision de décharge et d'heure maximales de faire une pointe la décharge, en particulier. En ligne : ashujain@iitk.ac.in [article] Comparative Analysis of Event- based Rainfall-runoff Modeling Techniques-Deterministic, Statistical, and Artificial Neural Networks = L'Analyse Comparative de l'Evénement a Basé l'Ecoulement de Précipitations Modelant les Réseaux Neurologiques de Techniques Déterministes, Statistiques, et Artificiels [texte imprimé] / Jain, Ashu, Auteur ; Indurthy, Prasad, Auteur . - 2005 . - 93-98 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 8, N° 2 (Mars/Avril 2003) . - 93-98 p. Mots-clés : Rainfall runoff relationships Neural networks Regression models Hydrographs Rapports d'écoulement de précipitations Réseaux neurologiques Modèles régression Hydrogrammes Index. décimale : 551.4 surface du globe.Géographie physique.Géomorphologie Résumé : Modeling of an event based rainfall runoff process has been of importance in hydrology. Historically, researchers have relied on conventional modeling techniques, either deterministic, which consider the physics of the underlying process, or systems theoretic/black box, which do not. This Technical note investigates the suitability of some deterministic and statistical techniques along with the artificial neural networks (ANNs) technique to model an event based process. Specifically, two unit hydrograph models, four regression models, and two ANN models were developed. Data derived from Salado Creek at Bitters Road, San Antonio were better representation of an event based rainfall runoff process in general, and better prediction of peak discharge and time to peak discharge, in particular. Modeler d'un processus d'écoulement de précipitations basé par événement a été d'importance en hydrologie. Historiquement, les chercheurs ont compté sur les techniques modelantes conventionnelles, l'une ou l'autre déterministe, qui considèrent la physique du processus fondamental, ou la boîte des systèmes theoretic/black, qui pas . Cette note technique étudie la convenance de quelques techniques déterministes et statistiques avec la technique artificielle de réseaux neurologiques (ANNs) pour modeler un processus basé par événement. Spécifiquement, deux modèles d'hydrogramme d'unité, quatre modèles de régression, et deux modèles d'ANN ont été développés. Les données dérivées de la crique de Salado à la route de bitter, San Antonio étaient une meilleure représentation d'un processus d'écoulement de précipitations basé par événement en général, et une meilleure prévision de décharge et d'heure maximales de faire une pointe la décharge, en particulier. En ligne : ashujain@iitk.ac.in

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire