Evaluation the suitability of contrasting performance metrics and signature measures with the identifiability quote index
Notice bibliographique
Résumé
Good representation of the hydrological system in models is required to provide reliable predictions. The selection of a suitable set of performance criteria is a core decision in identifying the optimal parameter set(s) during model calibration. As each performance criterion focuses on different parts of the hydrograph, their selection often determines which parameter values are selected as optimal for representing the rainfall-runoff behaviour in a catchment. Knowning which performance criteria are most suitable for which purpose, model or catchment is difficult to determine.We therefore selected a set of 16 classical performance metrics and signature measures which together cover all phases of the hydrograph to test their suitability for identifying different types of parameters. We used four hydrological models (HBV, SWAT+, mHM and RAVEN-GR4J) in six catchments belonging to diverse landscapes in Germany. All model parameters were grouped into five process groups (snow, evapotranspiration, soil, surface and subsurface processes) to make the parameters comparable between the models. We then developed a metric called “identifiability quote index” which shows the degree of identifiability for each combination of parameter and performance criterion.Our results show that the classical performance criteria (e.g. NSE, KGE) are not sufficient to identify suitable values for all parameters. Signature measures (e.g. flashiness index, baseflow index) often have a higher “identifiability quote index” for specific cases and are suitable for either capacity or flux parameters. The degree of identifiability tends to vary between processes and models, but evapotranspiration parameters are generally highly identifiable with water-balance related metrics. The more complex a model is (e.g. mHM, SWAT+), the more difficult it is to determine parameter identifiabilities.In conclusion our study shows that a set of contrasting performance metrics and signature measures are needed to represent the whole hydrological system and to accurately identify the parameters.
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 | 0,011 | 0,001 |
| 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 | 0,002 | 0,002 |
| 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 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 ».