Application of Shannon Entropy in Assessing Changes in Precipitation Conditions and Temperature Based on Long-Term Sequences Using the Bootstrap Method
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
In this paper, the Shannon entropy measure was used to assess changes in precipitation and temperature conditions. Due to the short, low-volume sequences of precipitation and temperature data analysed, a bootstrap method was used in the procedure for calculating Shannon entropy. The analysis used minimum and maximum values of monthly precipitation totals and monthly mean temperatures for 377 catchments distributed across the globe. A 110-year data series from 1901 to 2010 was analysed. Entropy values for the estimated parameters of the generalised extreme value distribution (GEV) were calculated for the adopted data. Entropy value calculations were performed for the left-hand constraint, based on minimum values, and for the right-hand constraint, based on maximum values. The applicability of Shannon's entropy measure in the analysis of climate change was demonstrated by allowing the degree of disorder and complexity of the distributions describing climate variables in the form of precipitation and temperature to be measured. This made it possible to obtain information on the directions of changes occurring with regard to minimum and maximum values in the field of monthly precipitation and mean temperatures in the analysed catchments. The study demonstrated the existence of Shannon entropy trends. The evaluation of entropy trends for precipitation and temperature sequences was performed using non-parametric tests. Mann -Kendall tests at the 5% significance level were used for trend analyses. The Pettitt test was performed to determine the point of change in trend for the rainfall and temperature data. The performed analysis was supported by graphical presentations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle