To quantify the goodness-of-fit of

To quantify the goodness-of-fit of the calibration and validation,
we used hydrographic observations and five model evaluation
statisticsdthe widely used coefficient of determination (R2) and Nash-Sutcliff efficiency (NSE), the P-factor and R-factor, and the
objective function bR2. The P-factor ranges between 0 and 1 and is
the percentage of observed values inside the 95% prediction uncertainty
band (95PPU), measured between the 2.5th and 97.5th
percentiles. The R-factor is the thickness of the average 95PPU band
divided by the standard deviation of the observed data (Abbaspour,
2015). A P-factor of 1 and R-factor of 0 is a simulation that exactly
corresponds to measured data. In order to compare measured and
simulated discharges, this study used the objective function bR2
(Abbaspour et al., 2007) which makes it possible to account for
discrepancies in the magnitude of two signals as well as their dynamics
(Ficklin, Luo, & Zhang, 2013). It is a slightly modified version
of the efficiency criterion defined by Krause, Boyle, and B€ase
(2005):

ผลลัพธ์ (ไทย) 1:

ความดีของพอดีของการสอบเทียบและตรวจสอบ การวัดปริมาณเราใช้สังเกตอุทกศาสตร์และ 5 แบบประเมินstatisticsdthe ใช้สัมประสิทธิ์ของการกำหนด (R2) และประสิทธิภาพ Sutcliff แนช (แวร), ปัจจัย P และ R-คูณ และbR2 ฟังก์ชันวัตถุประสงค์ ตัว P ช่วงระหว่าง 0 และ 1 และเป็นเปอร์เซ็นต์ของค่าสังเกตในความไม่แน่นอนของการคาดเดาของ 95%วง (95PPU), วัดระหว่าง 2.5th และ 97.5thpercentiles ตัว R คือ ความหนาของวง 95PPU เฉลี่ยหาร ด้วยส่วนเบี่ยงเบนมาตรฐานของข้อมูลสังเกตได้ (Abbaspour2015) . ตัว P 1 และ R-คูณ 0 เป็นการจำลองว่าสอดคล้องกับข้อมูลที่วัดได้ เพื่อเปรียบเทียบวัด และปล่อยจำลอง การศึกษานี้ใช้ bR2 ฟังก์ชันวัตถุประสงค์(Abbaspour et al. 2007) ซึ่งทำให้บัญชีสำหรับความขัดแย้งในขนาดของสัญญาณสองเช่นนั้น(Ficklin, Luo และ เตียว 2013) มันเป็นรุ่นเปลี่ยนเกณฑ์ประสิทธิภาพที่กำหนด โดย€ Krause, Boyle และ B ase(2005):

ผลลัพธ์ (ไทย) 2:

ปริมาณความดีของพอดีของการสอบเทียบและการตรวจสอบ
เราใช้การสังเกตอุทกศาสตร์และห้ารูปแบบการประเมิน
statisticsdthe ใช้กันอย่างแพร่หลายค่าสัมประสิทธิ์การตัดสินใจ (R2) และแนช Sutcliff ประสิทธิภาพ (NSE) P-ปัจจัยและ R-ปัจจัยและ
ฟังก์ชันวัตถุประสงค์ BR2 P-ปัจจัยช่วงระหว่าง 0 และ 1 และเป็น
อัตราร้อยละของค่าสังเกตภายใน 95% การทำนายความไม่แน่นอนของ
วง (95PPU) วัดระหว่าง 2.5th และ 97.5th
เปอร์เซนต์ R-ปัจจัยคือความหนาของวง 95PPU เฉลี่ย
หารด้วยส่วนเบี่ยงเบนมาตรฐานของข้อมูลที่สังเกต (Abbaspour,
2015) P-ปัจจัยที่ 1 และ R-ปัจจัยจาก 0 เป็นแบบจำลองที่ตรง
สอดคล้องกับข้อมูลที่วัด เพื่อเปรียบเทียบการวัดและ
จำลองการปล่อยการศึกษาครั้งนี้ใช้ฟังก์ชันวัตถุประสงค์ BR2
(Abbaspour et al., 2007) ซึ่งทำให้มันเป็นไปได้ที่จะบัญชีสำหรับ
ความแตกต่างในความสำคัญของสัญญาณทั้งสองเช่นเดียวกับการเปลี่ยนแปลงของพวกเขา
(Ficklin, Luo และจาง , 2013) มันเป็นรุ่นแก้ไขเล็กน้อย
เกณฑ์ประสิทธิภาพที่กำหนดโดยกรอส, บอยล์และ B € ASE
(2005):

ผลลัพธ์ (ไทย) 3:

ที่มีความสอดคล้องของการสอบเทียบและการตรวจสอบเราใช้แบบประเมินการสังเกตห้าและอุทกศาสตร์statisticsdthe ใช้ค่าสัมประสิทธิ์การตัดสินใจ ( R2 ) และแนช sutcliff ประสิทธิภาพ ( NSE ) , และ p-factor R-factor , และbr2 ฟังก์ชันวัตถุประสงค์ การ p-factor ช่วงระหว่าง 0 และ 1 และเปอร์เซ็นต์ของค่าสังเกตภายใน 95% การทำนายความไม่แน่นอนวงดนตรี ( 95ppu ) , วัด 2.5th 97.5th และระหว่างเปอร์เซ็นต์ และ R-factor คือความหนาของวง 95ppu เฉลี่ยหารด้วยส่วนเบี่ยงเบนมาตรฐานของข้อมูล ( abbaspour ,2015 ) เป็น p-factor 1 และ R-factor 0 คือการจำลองที่ตรงสอดคล้องกับข้อมูลที่วัด . ในการเปรียบเทียบวัด และจำลองการไหล การศึกษานี้มีวัตถุประสงค์ br2 ใช้ฟังก์ชัน( abbaspour et al . , 2007 ) ซึ่งทำให้มันเป็นไปได้ที่จะบัญชีสำหรับความแตกต่างในขนาดของสัญญาณทั้งสอง ตลอดจนพลวัตของ( ficklin , Luo และจาง , 2013 ) มันเป็นรุ่นที่ปรับเปลี่ยนเล็กน้อยประสิทธิภาพของเกณฑ์ที่กำหนด โดย เคราส์ บอยล์ , และ B ด้านเชื้อชาติ ,( 2005 ) :