A hybrid factorial stepwise-cluster analysis method for streamflow simulation – a case study in northwestern China
Notice bibliographique
Résumé
In this study, a hybrid factorial stepwise-cluster analysis (HFSA) method is developed for modelling hydrological processes. The HFSA method employs a cluster tree to represent the complex nonlinear relationship between inputs (predictors) and outputs (predictands) in hydrological processes. A real case of streamflow simulation for the Kaidu River basin is applied to demonstrate the efficiency of the HFSA method. After training a total of 24 108 calibration samples, the cluster tree for daily streamflow is generated based on a stepwise-cluster analysis (SCA) approach and is then used to reproduce the daily streamflows for calibration (1995–2005) and validation (2008–2010) periods. The Nash-Sutcliffe coefficients for calibration and validation are 0.68 and 0.65, respectively, and the deviations of volume are 1.68% and 4.11%, respectively. Results show that: (i) the HFSA method can formulate a SCA-based hydrological modelling system for streamflow simulation with a satisfactory fitting; (ii) the variability and peak value of streamflow in the Kaidu River basin can be effectively captured by the SCA-based hydrological modelling system; (iii) results from 26 factorial experiments indicate that not only are minimum temperature and precipitation key drivers of system performance, but also the interaction between precipitation and minimum temperature significantly impacts on the streamflow. The findings are useful in indicating that the streamflow of the study basin is a mixture of snowmelt and rainfall water.EDITOR D. Koutsoyiannis; ASSOCIATE EDITOR G. Thirel
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».