PERFORMANCE OF MIXED EXPONENTIAL AND EXPONENTIAL DISTRIBUTION REPRESENTING RAIN CELL INTENSITY IN NEYMANSCOTT RECTANGULAR PULSE (NSRP) MODEL
Notice bibliographique
Résumé
Sub-daily timescale data such as hourly data are needed for modeling urban systems. However such series are not readily available as compared to daily rainfall series. Stochastic rainfall models are useful in estimating input for design work. One of the models that applies the clustered point process theory is the Neyman-Scott Rectangular Pulses (NSRP) model. The model uses a flexible model fitting procedure which involves matching approximately a chosen set of historical statistics which exceeds in number of set of parameters to be estimated. An optimization technique called Shuffle Complex Evolution (SCE-UA) was used to estimate the parameters. The performance of NSRP model was evaluated using 10 years hourly data taken from a station in Wilayah Persekutuan. Two distributions, namely exponential (EXP) and mixed exponential (MEXP) were used to model the cell intensities in the model. The models were evaluated on a monthly basis regarding their ability to preserve the statistical properties as well as the physical properties of the rainfall time-series over timescales of 1 h, 6 h and 24 h. The performance of the models with the two different distributions was evaluated and compared. The model with the mixed exponential (MEXP) distribution perform better in preserving most of the statistical and physical properties of the observed data
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».