Tự động dò tìm bộ thông số tối ưu của mô hình thuỷ văn HEC–HMS bằng thuật toán SCE–UA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Verification and calibration of the HEC-HMS hydrological model using a trialand-error procedure usually costs modelers a lot of time and effort and more importantly, the set of parameters found is often not optimal. This paper presents the results of developing an automatic program that allows the automatic search of the optimal set of parameters of the HEC-HMS model based on the SCE-UA algorithm. First, the Latin Hypercube sampling method is used to efficiently obtain the parameter values widely across the feasible solution space. Then the SCE-UA method is used to search for the optimal solution through complex shuffling and evolution based on the initial sampling values from the Latin Hypercube Sampling method. The problem is usually multi-objective, so the optimal solution is therefore selected based on a Pareto front and evaluated for uncertainty by the GLUE method. The program has been and is being applied to the Krng H'nng hydropower reservoir in Dak Lak province. The authors use real data measured from 18 out of 33 floods observed in the period 2016-2021 to narrow the initial feasible solution space and to reduce the parameter dimensions (from 50 to 18) by identifying the three governing parameters , , and through sensitivity analysis. This helps to enhance the search speed and the convergence of the optimal solution. Based on this result, the program searches the optimal value for the parameters and updates them automatically in the realtime forecast. The results of the validation of the next 5 floods and testing of the remaining 10 floods give good results up to the time step + 4 hours. The evaluation indicators are high ( > 0.85, volume error < 10 %) and the result is always in the confidence range Q5%-Q95%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 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 découle