Regional flood quantile estimation under linear transformation of the data
Notice bibliographique
Résumé
We examine some performance indices (PIs) that are used to compare regional and at‐site flood quantile estimation methods. These include the relative bias, the regional average root‐mean‐square‐error (RMSE), the regional average relative root‐mean‐square‐error (RRMSE), and the average RMSE and RRMSE ratios of quantile estimators. We study the dependence of these PIs on the relative variability (coefficient of variation) of the data. This is done by examining the effect of a location shift in the data on these PIs. The aim is to bring awareness to the fact that when comparing hydrological quantile estimators, some PIs are more greatly affected than others by data shifts in location. Among the PIs considered, we identify those that are invariant to a location shift in the data and those that are not. This is done under both assumptions of homogeneous and heterogeneous hydrological region. The generalized extreme value distribution is used to demonstrate some of the results, but the conclusions are applicable to other distributions with a location parameter. It is argued that because of the lack of invariance to location shift of certain quantile estimation methods and PIs, additional precautions need to be taken when comparing these methods. Although we focus discussion around flood frequency analysis, the points raised should be viewed within the broader context of hydrological frequency analysis.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».