Numerical assessment of a dynamical relaxation data assimilation scheme for a catchment hydrological model
Notice bibliographique
Résumé
Abstract A dynamical relaxation scheme for assimilating observation data into a three‐dimensional Richards equation‐based numerical model was presented in Paniconi et al. (2003. Advances in Water Resources 26 : 161–178). The technique, known as Newtonian relaxation or nudging, relies on a forcing term to reduce the difference between computed and observed values of a state variable such as soil moisture content. The forcing term contains data quality and nudging influence factors, and, importantly, spatio‐temporal weighting functions that determine the manner and extent of spreading of a state variable beyond its measurement points and times. In this paper, a series of numerical experiments is run for a small catchment in southern Belgium to investigate the performance of the nudging algorithm. In a first set of runs for a short (10‐day) simulation period, the model's sensitivity to influence radii and forcing strength parameters is examined. Here, we find that prediction errors decrease and numerical cost increases for increasing values of the parameters, except for the vertical radius of influence, where intermediate values produced the lowest prediction errors. Based on a compromise between numerical and physical results for this 10‐day experiment, ‘optimal’ values were selected for these parameters, and a second, much longer (8‐month) set of simulations is used to explore the effect of the observation frequency on the quality of the assimilation. Here, it is found that prediction errors are lowest at an intermediate frequency, whereas serious numerical difficulties occur at a high frequency. As could be expected, computational costs are highest when frequent observations are assimilated. However, since CPU times increase only very slowly as more observation datasets are added, we can conclude that the nudging method is computationally efficient, albeit quite sensitive in terms of numerical performance to its parameter settings, and thus requires further study to devise more robust formulations of the algorithm. Copyright © 2005 John Wiley & Sons, Ltd.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».