Combination of Global and Regional Hydrological Forecasts
Notice bibliographique
Résumé
In recent years, the number of large-scale hydrological forecasting systems has been steadily growing. This may lead to regions having numerous models spatially overlapping each other. Some of these regions have what we will refer to as a regional, more specialized, model for the area that performs generally better than their large-scale counterpart, considering the coarser spatial resolution and sometimes lack of calibration of the latter. Our work explored the possibility of using simple methods to retrieve hydrological information from a large-scale model, namely the National Surface and River Prediction System (NSRPS) that will eventually cover the Canadian territory, in order to improve the forecasts from a local system, namely the Système de Prévision Hydrologique (SPH) that covers most of the province of Quebec. Outputs from the two forecasting systems were thus combined using methods including the simple mean, a weighted average in which the weights are optimized either using the Kling-Gupta Efficiency (KGE) or the Continuous Ranked Probability Score (CRPS) as cost functions, or weights calculated from the residual errors of the forecasts. Bayesian Model Averaging (BMA) was also explored to combine the ensemble forecasts from both systems. The results show that it is possible to improve the local hydrological forecasts by using simple weighted combinations with forecasts from the large-scale system. Performance was assessed using many well-known criteria such as the Nash-Sutcliffe Efficiency (NSE), KGE and CRPS. Results were averaged over the 61 available gauging stations and analyzed at lead times ranging from 3 to 120 hours. We observed improvements in all criteria for lead times over 60 hours as well as no loss in performance at any lead times. Finally, the methods were also used in a leave-one-out setup to simulate performance on ungauged basins. The performance gain for ungauged basins is similar to that of the gauged basins, hinting at the fact that these simple methods could also improve forecasts in more remote territories where no measurements are available.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».