Development of Statistical Downscaling Model Based on Volterra Series Realization, Principal Components, Climate Classification, and Ridge Regression
Notice bibliographique
Résumé
This paper applied the fuzzy function approach, combined with the ridge regression model, to produce daily rainfall projections from large-scale climate variables. This study developed a statistical downscaling model based on principal components, c-means fuzzy clustering, Volterra series, and ridge regression. The model is known, hereafter as SDC2R2. In the developed downscaling model, the use of ridge regression, instead of multiple linear regression, is proposed to downscale daily rainfall with wide range (WR) predictors. The WR predictors were applied to sufficiently incorporate climate change signals. The developed model also captured the non-linear interactions of the climate variables by applying the transformation of Volterra series realization over WR predictors. This transformation was performed by applying principal components as orthogonal filters. Further, these principal components were clustered by using c-means clustering and non-linear transformations were applied on these membership functions, to improve the prediction ability of the model. The reanalysis of climate data from the National Centres for Environmental Prediction (NCEP) was used to develop the model and was validated by using the Global Climate Model (GCM) for four locations in the Manawatu River basin. The developed model was used to obtain future daily rainfall projections from three Representative Concentrative Pathways (RCP 2.6, RCP 4.5, and RCP 8.5) scenarios from the Canadian Earth System Model (CanESM2) GCM. The performance of the model was compared with a widely used statistical downscaling model (SDSM). It was observed that the model performed better than SDSM in downscaling rainfall on a daily basis. Every scenario indicated that there is a probability of obtaining high future rainfall frequency. The results of this study provide valuable information for decision-makers since climate change may potentially impact the Manawatu basin.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».