Optimizing the management of complex water resources systems taking into account the long-term persistence in streamflow
Notice bibliographique
Résumé
The operation of multireservoir systems is a challenging decision-making problem due to (i) multiple, often conflicting, objectives (e.g. hydropower generation versus irrigated agriculture), (ii) stochastic variables (e.g. inflows, water demands, commodity prices), (iii) nonlinear relationships, (e.g. hydropower production function) and (iv) trade-offs between immediate and future consequences. Properly capturing the properties of the hydrologic processes responsible for the inflows is of paramount importance to enhance the performance of water resources systems. This becomes all the more relevant since low-frequency climate signals, which affect the hydrology in numerous regions around the globe, has increased in recent years. If traditional time series models generally fail to reproduce this regime-like behavior, so are the optimization models that are used to support multireservoir operation. Hidden Markov Model (HMM) is a class of hydrological models that can accommodate both overdispersion and serial dependence in historical time series, two essential hydrological properties that must be captured when modeling a system where the climate is switching between different states (e.g., dry, normal, wet). In terms of reservoir operation, Stochastic Dual Dynamic Programming (SDDP) is one of the few optimization techniques that can accomodate both system and hydrologic complexity. In SDDP, the hydrologic uncertainty is often captured by a multi-site periodic autoregressive (MPAR) model. However, MPAR models are unable to represent the long-term persistence of the streamflow process found in some regions, which may lead to suboptimal reservoir operating policies. We present an extension of the SDDP algorithm that can handle the long-term persistence and provide reservoir operating policies that explicitly capture regime shifts. To achieve this, the state-space vector now includes a climate variable whose transition is governed by a HMM. The Senegal River Basin (SRB), whose flow regime is characterized by multiyear dry/wet periods, is used as a case study.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».