Application Potential of Four Nontraditional Similarity Metrics in Hydrometeorology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper presents a review and assessment of four nontraditional similarity metrics that can be applied to hydrological and meteorological data. These metrics are 1) the uncentered correlation coefficient, 2) the Hodgkin–Richards index, 3) the Petke index, and 4) the Wang–Bovik index. The first metric has been widely used in hydrometeorology, and the other three have been proposed in other disciplines for similarity analysis. It is demonstrated that these similarity metrics, in their original formulations, either do not actually have the purported advantage over the traditional Pearson correlation coefficient or are not suitable for some hydrometeorological applications. They are reformulated in this study to address these deficiencies. The resulting modified metrics are unitless, bounded, and proportional to the Pearson correlation coefficient, and three of them have the confirmed advantage of explicitly penalizing for differences in the mean and/or in the variance. Two application examples are used to demonstrate the applicability of these similarity metrics in hydrometeorology. A metavalidation model and a graphical tool (Taylor diagram) are used to evaluate the performances of these similarity metrics. In a case study of analog analysis, the Wang–Bovik index stands out as the best metric for simulation of the human perception of similarity between two-dimensional patterns, whereas the modified Petke index and the traditional root-mean-square distance may perform slightly better than the others in the regions with a very large difference between the variances.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle