Wavelet Analysis of Tide-affected Low Streamflows Series
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
In certain rivers that drain very flat terrains in coastal areas, the streamflow series observed at a flow-gauging station may come under the direct influence of the backwater effects of tides. The phenomena may be negligible under conditions of high flows but can be critical under some extreme low-flow conditions. The errors in low flow estimation are large if a proper de-noising is not implemented to remove the effects of the tidal effects. Scrutinizing the hydrologic time series using a standard time-frequency domain based Fourier transform methodology cannot resolve conclusively the sources of the noise. However, a new perspective can be obtained by using a wavelet transformation to analyze the time series in the time-scale domain. By using this approach, a case study involving a streamflow series observed at Kapit, Sarawak, Malaysia yielded conclusive evidence of the influence of tides at the flow-gauging site during the low flow period. Upon confirmation that the noise is indeed of tidal origin, the observed water level series was subjected to an appropriate wavelet-based de-noising procedure to derive a smoothed series. Then, together with an established rating curve, a de-noised discharge series could also be approximated. Low-flow quantiles were subsequently derived by fitting a suitable frequency distribution to the annual minimum series abstracted from the de-noised discharge series. The methodology presented illustrates the potential of using wavelet analysis methods in solving other similar problems.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,008 |
| Science ouverte | 0,004 | 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 découle