Assessing Water Temperature and Dissolved Oxygen and Their Potential Effects on Aquatic Ecosystem Using a SARIMA Model
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
Temperature and dissolved oxygen (DO) are of critical importance for sustainable aquatic ecosystem and biodiversity in the river systems. This study aims to develop a data-driven model for forecasting water quality in the Athabasca River using a seasonal autoregressive integrated moving average model (SARIMA) for forecasting monthly DO and water temperature. DO and water temperature observed at Fort McMurray and Athabasca from 1960 to 2023 were used to train and test the model. The results show the satisfied model performance of DO with a coefficient of determination (R2) value of 0.76 and an RMSE value of 0.79 for training and 0.67 and 0.92 for testing, respectively, at the Fort McMurray station. At the Town of Athabasca station, the RMSE and R2 of DO were 0.92 and 0.72 for training and 0.77 and 0.86 for testing, respectively. For the modeled temperature, RMSE and R2 were 2.7 and 0.87 for training and 2.2 and 0.95 for testing, respectively, at Fort McMurray and were 2.0 and 0.93 for training and 1.8 and 0.97 for testing, respectively, in the Town of Athabasca. The results show that DO concentration is inversely proportional to the temperature. This implies that the DO could be related to water temperature, which, in turn, is correlated with air temperature. Therefore, the SARIMA model performed reasonably well in representing the dynamics of water temperature and DO in the cold climate river. Such a model can be used in practice to reduce the risk of low DO events.
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 | 0,000 | 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 découle