A Stepwise Clustered Hydrological Model for Addressing the Temporal Autocorrelation of Daily Streamflows in Irrigated Watersheds
Notice bibliographique
Résumé
Abstract Streamflow simulations at daily time steps are vital to water resources management, especially in arid regions. Previously, data‐driven models have been used as an effective tool for daily streamflow simulation. However, the accuracy of conventional data‐driven approaches is affected by the temporal autocorrelation of daily streamflow, especially in irrigated watersheds where the persistence of saturated flows dominates irrigation seasons. This study presents a Stepwise Clustered Regression Tree Ensemble (SCRTE) to address the streamflow autocorrelation. With the provision of a state‐of‐the‐art data‐driven model Stepwise Cluster Analysis (SCA), the SCRTE enables both single‐ and multi‐output settings (i.e., model predictand can be either a scalar or a vector), which can thus address interactions among streamflow values over multiple consecutive days. The autocorrelation effect of daily streamflow is evaluated based on single‐ and multi‐output SCA ensembles, which can then be aggregated according to their performance for various streamflow quantile ranges. To facilitate the irrigation scheduling decision‐making under rigorous transboundary water regulations, the SCRTE is applied to three interconnected watersheds with mixed land use, located in a floodplain of the Yellow River basin in China. The results show that the SCRTE outperforms seven well‐known benchmark models across seven evaluation metrics. Our findings reveal that the SCRTE can reflect the varying effects of autocorrelation over different streamflow quantile ranges, thereby improving the streamflow simulation. The multi‐output SCA ensembles are more capable of addressing the medium flows, while the single‐output one can better simulate the low and high flows.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».