A statistical approach for the assessment and redesign of the Nile Delta drainage system water-quality-monitoring locations
Notice bibliographique
Résumé
There are several deficiencies in the statistical approaches proposed in the literature for the assessment and redesign of surface water-quality-monitoring locations. These deficiencies vary from one approach to another, but generally include: (i) ignoring the attributes of the basin being monitored; (ii) handling multivariate water quality data sequentially rather than simultaneously; (iii) focusing mainly on locations to be discontinued; and (iv) ignoring the reconstitution of information at discontinued locations. In this paper, a methodology that overcomes these deficiencies is proposed. In the proposed methodology, the basin being monitored is divided into sub-basins, and a hybrid-cluster analysis is employed to identify groups of sub-basins with similar attributes. A stratified optimum sampling strategy is then employed to identify the optimum number of monitoring locations at each of the sub-basin groups. An aggregate information index is employed to identify the optimal combination of locations to be discontinued. The proposed approach is applied for the assessment and redesign of the Nile Delta drainage water quality monitoring locations in Egypt. Results indicate that the proposed methodology allows the identification of (i) the optimal combination of locations to be discontinued, (ii) the locations to be continuously measured and (iii) the sub-basins where monitoring locations should be added. To reconstitute information about the water quality variables at discontinued locations, regression, artificial neural network (ANN) and maintenance of variance extension (MOVE) techniques are employed. The MOVE record extension technique is shown to result in a better performance than regression or ANN for the estimation of information about water quality variables at discontinued locations.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».