Dynamic Combination of a Multi-Model Ensemble for Improved Streamflow Simulations
Notice bibliographique
Résumé
Accurate streamflow simulations are needed to manage water resources, evaluate flooding risks, and support agriculture and industry. Traditional ensemble approaches are usually based on meteorological ensemble but rarely consider hydrological ensemble. However, hydrological forecasts based on a single model often fail to capture the dynamic nature of hydrological systems. Addressing this gap, we present a novel dynamic combination method that adaptively leverages hydrological ensemble diversity to enhance streamflow simulations.Using the Framework for Understanding Structural Errors (FUSE), we generated 78 hydrological models applied to 559 catchments from the CAMELS dataset across the contiguous United States. Each model was calibrated to optimize both high-flow and low-flow performance, producing a hydrological ensemble of 156 members per catchment. Our dynamic combination approach can be divided in two parts: a conceptual k-nearest neighbor algorithm to identify similar historical conditions and then model predictions at the time step of interest are weighted based on their performance for the k-nearest neighbors.Results demonstrate that this dynamic combination approach improves upon traditional static methods, particularly in representing diverse streamflow conditions. The method captures temporal variability, reduces trade-offs among objective functions, and provides a model-agnostic framework for enhanced streamflow simulations. While the approach shows promising results, it faces limitations in its reliance on hydrological ensemble and meteorological data quality. Future work could explore machine learning integration for dynamic combination and applications to real-time forecasting and ungauged catchments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».