Parameter uncertainty analysis for streamflow prediction in a cascade hydropower basin of southwest China
Notice bibliographique
Résumé
Semi-distributed model of SWAT based on physical-chemical spatial information has been an effective tool for simulating hydrological cycle in the basin whereas it can’t completely restore all natural processes. Therefore, uncertainty analysis is needed to be conducted in order to achieve the reliability of the model. Yalong River Basin (YLRB), which is listed as the top ten hydropower bases in China, contains abundant water resources with plentiful runoff. Here a case study in YLRB was conducted to explore the parameter uncertainties of the SWAT model to runoff simulations based on multiple optimization algorithms. The following results were obtained: 1) setting the same objective function of Nash–Sutcliffe Efficiency, three optimization methods including Sequential Uncertainty Fitting version 2 (SUFI-2), Generalized Likelihood Uncertainty Estimation (GLUE) and Particle Swarm Optimization (PSO) all performed satisfactory fitting results and produced similar parameter ranges in YLRB, while SUFI-2 achieved better uncertainty analysis, followed by PSO and the last GLUE; 2) five general sensitive parameters to model output were ALPHA_BF, CH_K2, SOL_K(1), GW_REVAP and ESCO based on above three algorithms; 3) from the contribution network analysis in economics, the positive correlation between ALPHA_BF and CH_K2 exhibited the highest weight among all parameter relationships; and 4) the much lower sensitivity of parameter CN2 to streamflow in YLRB revealed that most commonly modified parameter CN2 was less applicable to land with adequate surface water than dry land. This work will be conducive to further hydrological analysis based on a reliable fitting model for this hydropower watershed. Additionally, this work will provide references and insights for sensitive parameter modification and prediction uncertainty reduction of streamflow simulation furthermore contributing to an optimal water resource management.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».