River runoff is not only a crucial part of the global water cycle, but it is also an important source for hydropower and an essential element of water balance. This study presents a system-theory-based model for river runoff forecasting taking the Hailiutu River as a case study. The forecasting model, designed for the Hailiutu watershed, was calibrated and verified by long-term precipitation observation data and groundwater exploitation data from the study area. Additionally, frequency analysis, taken as an optimization technique, was applied to improve prediction accuracy. Following model optimization, the overall relative prediction errors are below 10%. The system-theory-based prediction model is applicable to river runoff forecasting, and following optimization by frequency analysis, the prediction error is acceptable.
A one-dimensional two-zone mathematical model, comprising a pair of advection-dispersion equations coupled by a mass exchange term, is proposed to study longitudinal dispersion in channels with sequences of pools and riffles. An implicit finite-difference numerical scheme is employed, and its effectiveness is assessed with reference to known analytical solutions. Moreover, sets of longitudinal dispersion experiments were performed on various simple geometries of sequences of pools and riffles developed in a laboratory flume. The results were compared with corresponding numerical solutions to calibrate the two-zone model. and Pro studium podélné disperze v korytech s opakující se soustavou tůní a prahů byl navržen jednorozměrný dvouzónový matematický model. Model zahrnuje dvojici rovnic pro advektivní disperzi doplněných výrazem pro přenos hmoty. Byl použit implicitní model konečných diferencí a jeho vhodnost ověřena porovnáním se známým analytickým řešením. Navíc, v laboratorním žlabu byla provedena série měření podélné disperze pro různé jednoduché geometrie koryta se střídajícími se tůněmi a prahy. Pro kalibraci dvouzónového modelu byly výsledky měření porovnány s odpovídajícími matematickými řešeními.
The goal of this paper is to examine the conditions of validity for the rule of β-conversion in TIL, which is a hyperintensional, typed λ-calculus of partial functions. The rule of β-reduction is a fundamental computational rule of the λ-calculi and functional programming languages. However, it is a well-known fact that the specification of this rule is ambiguous (see, e.g., Plotkin 1975 or Chang & Felleisen 2012). There are two procedurally non-equivalent ways of executing the rule, namely β-conversion ''by name'' and β-conversion ''by value''. In the λ-calculi conversion by name is usually applied, though it is known that such a conversion is not unconditionally valid when partial functions are involved. If a procedure that is typed to produce an argument value is improper by failing to produce one, conversion by name cannot be validly applied. On the other hand, conversion by value is valid even in the case of improperness. Moreover, we show that in a typed λ-calculus the specification of λ-closure is also not unambiguous. There is an interpretation of this specification under which β-reduction by name is not valid even when the argument procedure does not fail to produce a value. As a result, we present a universally valid rule of β-reduction by value. and Cílem této práce je zkoumat podmínky platnosti pravidla β-konverze v TIL, což je hyperintenzivní, psaný λ-kalkul dílčích funkcí. Pravidlo β-redukce je základním výpočtovým pravidlem λ-kalkulů a funkčních programovacích jazyků. Je však dobře známo, že specifikace tohoto pravidla je nejednoznačná (viz např. Plotkin 1975 nebo Chang & Felleisen 2012). Existují dva procedurálně neekvivalentní způsoby provedení pravidla, a to β-konverze '' podle názvu '' a ''β-konverze'' podle hodnoty'. V kontextu λ-kalkulů se obvykle používá konverze podle názvu, ačkoli je známo, že taková konverze není bezpodmínečně platná, pokud jde o dílčí funkce. Je-li zadaný postup, který má hodnotu parametru argumentu, nesprávný tím, že jej neproběhne, nemůže být konverzace podle názvu platně použita. Na druhé straně konverze hodnotou platí i v případě nevhodnosti. Navíc ukážeme, že v zadaném λ-kalku není specifikace uzavření λ jednoznačná. Existuje interpretace této specifikace, při níž není jméno p-redukce platné, ani když proces argumentu nedokáže vytvořit hodnotu. Výsledkem je obecně platné pravidlo β-redukce hodnotou .
Two kinds of individuals are distinguished: abstract and concrete. Whereas abstract individuals belong to our conceptual sphere, concrete individuals (i.e. particulars) individuate the world of matter. A subject investigating the external world projects abstract individuals onto concrete ones. The proposal offers a solution to various metaphysical and epistemological puzzles concerning individuals, e.g., the Ship of Theseus, the Polish Logician, problems with reidentification, or proper names. and Jiří Raclavský
The methods of abstraction and idealization are commonly viewed as basic to both the natural and the social sciences. Since the 1970s, they have also been a focus of attention in the philosophy and methodology of science. However, their nature as methods, i.e., sequences of instructions, has not been adequately explicated. The paper attempts to capture the core of these methods in the sense of simplified sequences of instructions. The proposal is illustrated in a reconstruction of the application of both methods in economics as a representative of the social sciences., Metody abstrakce a idealizace jsou běžně považovány za základní pro přírodní i společenské vědy. Od sedmdesátých let se pozornost věnuje také filozofii a metodologii vědy. Jejich povaha jako metody, tj. Sekvence instrukcí, nebyla dostatečně vysvětlena. Příspěvek se pokouší zachytit jádro těchto metod ve smyslu zjednodušených sekvencí instrukcí. Návrh je ilustrován rekonstrukcí aplikace obou metod v ekonomii jako zástupce společenských věd., and Juraj Halas
Accurate estimation of precipitation in mountain catchments is challenging due to its high spatial variability and lack of measured ground data. Weather radar can help to provide precipitation estimates in such conditions. This study investigates the differences between measured and radar-estimated daily precipitation in the mountain catchment of the Jalovecký Creek (area 22 km2, 6 rain gauges at altitudes 815–1900 m a.s.l.) in years 2017–2020. Despite good correlations between measured and radar-based precipitation at individual sites (correlation coefficients 0.68–0.90), the radar-estimated precipitation was mostly substantially smaller than measured precipitation. The underestimation was smaller at lower altitude (on average by –4% to –17% at 815 m a.s.l.) than at higher altitudes (–35% to –59% at 1400–1900 m a.s.l.). Unlike measured data, the radar-estimated precipitation did not show the differences in precipitation amounts at lower and higher altitudes (altitudinal differences). The differences between the measured and radar-estimated precipitation were not related to synoptic weather situations. The obtained results can be useful in preparation of more accurate precipitation estimates for the small mountain catchments.
Abstract: By action model, we understand any logic-based representation of effects and executability preconditions of individual actions within a certain domain. In the context of artificial intelligence, such models are necessary for planning and goal-oriented automated behaviour. Currently, action models are commonly hand-written by domain experts in advance. However, since this process is often difficult, time-consuming, and error-prone, it makes sense to let agents learn the effects and conditions of actions from their own observations. Even though the research in the area of action learning, as a certain kind of inductive reasoning, is relatively young, there already exist several distinctive action learning methods. We will try to identify the collection of the most important properties of these methods, or challenges that they are trying to overcome, and briefly outline their impact on practical applications., Abstrakt: Podle akčního modelu chápeme logickou reprezentaci efektů a předpokladů vykonatelnosti jednotlivých akcí v rámci určité domény. V kontextu umělé inteligence jsou tyto modely nezbytné pro plánování a cílené automatizované chování. V současné době jsou akční modely běžně ručně psány odborníky domény předem. Vzhledem k tomu, že tento proces je často obtížný, časově náročný a náchylný k chybám, má smysl nechat agenty seznámit se s účinky a podmínkami akcí z vlastních pozorování. I když je výzkum v oblasti akčního učení, jako určitý druh indukčního uvažování, relativně mladý, existuje již několik výrazných metod učení. Pokusíme se identifikovat sbírku nejdůležitějších vlastností těchto metod., and Michal Čertický