Bivariate flood frequency analysis. Part 2: a copula‐based approach with mixed marginal distributions
Notice bibliographique
Résumé
Abstract Karmakar and Simonovic (2008) describe the methodology of assigning appropriate marginal distributions for three flood characteristics. It is found that the gamma distribution is best fitted for peak flow (P), and a nonparametric distribution from the orthonormal series method best fits to volume (V) and duration (D), based on the root mean square error, Akaike information criterion and Bayesian information criteria. In addition, the chi‐square test is performed to check the significance of fitness. In this paper, a methodology is developed to derive bivariate joint distributions of the flood characteristics using the concept of copulas, considering a set of parametric and nonparametric marginal distributions forP, VandDto mathematically model the correlated structure among them. In the conventional method of flood frequency analysis, the marginal distribution functions of peak flow, volume and duration are assumed to follow some specific parametric distribution function. The concept of copulas relaxes the restriction of traditional flood frequency analysis by selecting marginals from different families of probability distribution functions for flood characteristics. The present study performs a better selection of marginal distribution functions for flood characteristics by parametric and nonparametric estimation procedures, and demonstrates how the concept of copulas may be used for establishing a joint distribution function with mixed marginal distributions. The results obtained are useful for hydrologic design and planning purposes. The methodology is demonstrated with 70 years of stream flow data of Red River at Grand Forks of North Dakota, USA.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».