Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Przeglądasz jako GOŚĆ
Tytuł pozycji:

The Choice of an Appropriate Information Dissimilarity Measure for Hierarchical Clustering of River Streamflow Time Series, Based on Calculated Lyapunov Exponent and Kolmogorov Measures

Tytuł :
The Choice of an Appropriate Information Dissimilarity Measure for Hierarchical Clustering of River Streamflow Time Series, Based on Calculated Lyapunov Exponent and Kolmogorov Measures
Autorzy :
Dragutin T. Mihailović
Emilija Nikolić-Đorić
Slavica Malinović-Milićević
Vijay P. Singh
Anja Mihailović
Tatijana Stošić
Borko Stošić
Nusret Drešković
Pokaż więcej
Temat :
streamflow time series
Brazos River
average-linkage clustering hierarchical algorithm
K-means clustering
Kolmogorov complexity-based measures
largest Lyapunov exponent
Lyapunov time
Kolmogorov time
predictability of streamflow time series
Science
Astrophysics
QB460-466
Physics
QC1-999
Źródło :
Entropy, Vol 21, Iss 2, p 215 (2019)
Wydawca :
MDPI AG, 2019.
Rok publikacji :
2019
Typ dokumentu :
article
Opis pliku :
electronic resource
Język :
English
ISSN :
1099-4300
Relacje :
https://www.mdpi.com/1099-4300/21/2/215; https://doaj.org/toc/1099-4300
DOI :
10.3390/e21020215
Dostęp URL :
https://doaj.org/article/586ba8bfbc75453cb60af294c4c9f6ca
Numer akcesji :
edsdoj.586ba8bfbc75453cb60af294c4c9f6ca
Czasopismo naukowe
The purpose of this paper was to choose an appropriate information dissimilarity measure for hierarchical clustering of daily streamflow discharge data, from twelve gauging stations on the Brazos River in Texas (USA), for the period 1989⁻2016. For that purpose, we selected and compared the average-linkage clustering hierarchical algorithm based on the compression-based dissimilarity measure (NCD), permutation distribution dissimilarity measure (PDDM), and Kolmogorov distance (KD). The algorithm was also compared with K-means clustering based on Kolmogorov complexity (KC), the highest value of Kolmogorov complexity spectrum (KCM), and the largest Lyapunov exponent (LLE). Using a dissimilarity matrix based on NCD, PDDM, and KD for daily streamflow, the agglomerative average-linkage hierarchical algorithm was applied. The key findings of this study are that: (i) The KD clustering algorithm is the most suitable among others; (ii) ANOVA analysis shows that there exist highly significant differences between mean values of four clusters, confirming that the choice of the number of clusters was suitably done; and (iii) from the clustering we found that the predictability of streamflow data of the Brazos River given by the Lyapunov time (LT), corrected for randomness by Kolmogorov time (KT) in days, lies in the interval from two to five days.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies