왜곡된 수문 데이터에 대한 모델 성능 효율성의 향상된 추정기

초록 Nash-Sutcliffe 효율( NSE )과 Kling-Gupta 효율( KGE )은 현재 모델 시뮬레이션 S와 관측값 O 간의 적합도를 평가하는 데 가장 널리 사용되는 수문학적 지표입니다. 우리는 각각 NSE와 KGE 추정기를 기반으로 하는 두 가지 이론적(확률적) 효율성 정의 E 및 E′를 소개하여 447개의 유역에서 성능을 평가하는 통제된 몬테 카를로 실험을 가능하게 합니다. NSE는 일반적으로 편향이 없지만, 일일 유량 데이터의 현저한 왜곡과 주기성 때문에 샘플 간의 변동성이 매우 큽니다. 그러나 일일 유량의 로그를 사용한 NSE는 다음 샘플에서 변동성 없이 E를 추정하게 되지만, 높은 상향 편향이 나타납니다. 우리는 NSE보다 상당한 개선을 제공하고 KGE보다 약간의 개선을 보이는 이변량 로그 정규 월혼합 모형을 기반으로 하는 개선된 E 및 E′ 추정기를 소개합니다. 우리의 새로운 E 추정기는 문헌에서 암시된 NSE의 대부분의 이전 비판을 피해야 합니다. NSE는 이러한 응용 프로그램에 적합하지 않기 때문에 왜곡과 주기성을 고려한 개선된 E 추정기가 하루 및 부분 하루 유량 데이터 시리즈에 필요합니다.