A mathematical theory of de‐integrating long‐time integrated rainfall and its application for predicting 1‐min rain rate statistics
Notice bibliographique
Résumé
SUMMARY To date, the methods devised for converting long‐term experimental probability distribution (pd), , of the rain rate ρT integrated in T min (T > > 1 min) to 1‐min pd, PR(R), of the instantaneous rain rate R, are based on flawed T‐min data and, as such, are not based on fully reliable first principles. is not only an upward translated version of PR(R) but also rotated clockwise and distorted. The current methods do not correct these errors. We propose and discuss a mathematical theory, which corrects these errors and thus de‐integrates T‐min experimental pds into the corresponding 1‐min pd, the input required by all rain attenuation prediction methods. The theory is based on simple first principles whose parameters are calibrated by means of a large and reliable rain‐rate data bank recorded in Spino d'Adda, a site held as an experimental laboratory and used for exploratory data analysis. We show that PR(R) is modelled by four distinct functions in four disjoint ranges, and that this modelling is physically meaningful. We have tested the theory up to integration times of 12 h, with a large experimental data bank of 1‐min rain‐rate time series recorded in Gera Lario, Fucino, Rome, Prague, and Montreal, besides Spino d'Adda. Defined the fraction of rainy time in an average year, Po (%), we have found that: (a) the modelling is very good up to 6 h; (b) in the range from about Po to 0.001%, the error values are constant, with average error set at about − 3% and RMS error less than 8% for T ≤ 120 min, less than about 9% for 120 < T ≤ 360 min. We have also applied the theory to rain‐rate time series provided by meteorological agencies with integration time T = 60 min (blind test) with excellent result. Copyright © 2011 John Wiley & Sons, Ltd.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».