SUMMARYOne of the objectives of computational Grids is to offer applications the collective computational power of distributed but typically shared heterogeneous resources. Unfortunately, efficiently harnessing the performance potential of such systems (i.e. how and where applications should execute on the Grid) is a challenging endeavor due principally to the very distributed, shared and heterogeneous nature of the resources involved. A crucial step towards solving this problem is the need to identify both an appropriate scheduling model and scheduling algorithm(s). This paper presents a tool to aid the design and evaluation of scheduling policies suitable for efficient execution of system-aware parallel applications on computational Grids.
A modelagem hidrológica é uma ferramenta importante no estudo de bacias hidrográficas, principalmente no que se refere aos eventos relacionados a grandes variações no nível dos cursos d’água. Nesse sentido, torna-se importante que os modelos reflitam o comportamento dos processos hidrológicos, o que depende fortemente da qualidade dos parâmetros de entrada. Como nem sempre é possível obter valores adequados para os parâmetros de entrada, uma das formas de se contornar o problema é por meio da calibração dos mesmos no intuito de obter um bom ajuste modelo para a área estudada. Neste trabalho foi estudado o modelo Distributed Hidrology Soil Vegetation Model com o objetivo de propor uma ferramenta de calibração automática para o mesmo, além de verificar a eficiência da meta heurística ClusteringSearch (CS) para o problema de calibração de modelos hidrológicos. Também foi implementado um aplicativo para auxílio na manipulação dos parâmetros a serem calibrados e dos resultados. A ferramenta de calibração foi implementada na linguagem C e pode ser executada diretamente via linha de comandos do sistema operacional Linux. Já a interface foi implementada em Java consistindo de uma interface gráfica para a edição dos arquivos de entrada necessários para execução da ferramenta de calibração. Além da edição, a interface gráfica permite ao usuário definir os parâmetros de entrada da meta-heurística e a chamada de execução da ferramenta de calibração. Ao final da execução da calibração o usuário pode acessar os gráficos comparativos das vazões simuladas com relação à vazão observada para cada instância do conjunto de parâmetros de entrada do modelo DHSVM, inclusive o referente à melhor solução obtida (calibrada).
The application of hydrologic models often needs sets of input parameters related to environmental attributes which are not always available. This leads to the necessity of calibrating the input parameters. However, due to the non-linearity of the hydrologic phenomena, there may be multiple “best” solutions for the calibration. This paper proposes a method for calibrating the DHSVM hydrologic model using the concepts of multiple solutions, multi-site, and parameter transfer among catchments. Eight watersheds were calibrated, resulting in obtaining five sets of “best” parameters (clusters) for each one. Afterward, each watershed was modeled using the parameters of the other catchments in order to verify if the transfer of the calibrated parameters could promote satisfactory modeling of the streamflows. The results show that clusters calibrated for one watershed may be suitable for other catchments. Besdes, the calibrated parameters of the smaller catchments were satisfactory to simulate the streamflow of the bigger catchments. The proposed method can be useful in calibrating and extrapolating the input parameters to regions that do not have information about them.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.