Sensitivity of Entropy Method to Time Series Length in Hydrometric Network Design
Notice bibliographique
Résumé
The design of optimal hydrometric networks is an important starting point in water resources planning and management. Redundant or inappropriate networks may require unnecessary monitoring costs, while a sparse network may cause a lack of understanding of the process being monitored. Many studies employ information theory, which uses the Shannon entropy, as a measure of the information to design optimal hydrometric networks measuring various hydrologic parameters, such as streamflow and precipitation. The majority of entropy application methods in hydrometric network design have had two common objectives, i.e., maximizing joint entropy and minimizing total correlation. However, it is still unclear what data lengths should be adequate to properly use the entropy approach to network design and how the data lengths affect the entropy values. In this study, four different data lengths (e.g., 5, 10, 15, and 20 years) of daily time series are used to determine the optimal streamflow and precipitation networks using entropy theory coupled with multiobjective optimization. The spatial distributions of the optimal monitoring locations appeared similarly for each data length. Specifically, the hot-spots where the selection likelihood from optimization results is high were not significantly changed; this is more obvious when the data length of daily time series was 10 years or greater. Additionally, the joint entropy and total correlation of the optimal networks were calculated from 10 days to 20 years with a 10-day increment. The joint entropy increased significantly during the first 5 years and then gradually increased without significant change after 10 years. Similarly, the total correlation stabilized after 5 years of daily time series lengths with no major change after 10 years. Therefore, it is recommended to use at least 10 years of data for information theory–based hydrometric network design when using daily time series.
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 | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 ».