Développement d'une procédure de mise en place d'un modèle hydrologique global sur des bassins jaugés et non jaugés: application du modèle MOHYSE au Québec.
Notice bibliographique
Résumé
Ce mémoire a permis de développer une procédure afin de rapidement mettre en \nplace un modèle hydrométéorologique global et conceptuel, MOHYSE. Cette méthode \npermet non seulement de répondre à des besoins de simulations sur des bassins jaugés, \nmais aussi sur des bassins non jaugés. Dans le cadre de ce projet, le modèle a été déployé \nsur 46 bassins versants du sud du Québec avec un critère de Nash-Sutcliffe médian de \n0,62 en validation. Ces résultats ont été obtenus suite au développement d'une méthode \nnovatrice de correction en continu des équivalents en eau de la neige au sol basées sur \ndes mesures bimensuelles. \nEn plus des techniques traditionnelles de calage, une technique visant à produire \nun jeu de coefficients global, applicable sur tout le territoire étudié, a aussi été utilisée. \nCette technique a permis l'obtention d'un critère de Nash-Sutcliffe médian de 0,49 en \nvalidation. Bien que cette technique ait répondu aux attentes et permette la simulation \ndes débits sur des sites non jaugés, une interpolation a par la suite été effectuée. Ainsi, \nla qualité des simulations obtenues avec le jeu global a pu être améliorée à l'aide du \nkrigeage simple d'un des paramètres du modèle. Il devenait donc possible de spatialiser \nle jeu global en fonction de l'emplacement géographique du bassin à l'étude. Cette \ntechnique, bien que simple, a permis l'obtention d'un critère de Nash-Sutcliffe médian \nde 0,57 en validation. \n
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».