Choice between competitive pairs of frequency models for use in hydrology: a review and some new results
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract A group of statistical distributions useful in hydrological frequency modelling are two-parameter distributions with one scale and one shape parameter. Discriminating between pairs of models within this group is of practical interest. The main discrimination tests that have appeared in the literature are reviewed and a broad comparison is undertaken of their ability to correctly identify the distribution within the pair of distributions being studied. An attempt is also made to classify pairs of distributions according to the difficulty of discriminating between them. In addition, several tests are formulated and compared to discriminate between the Weibull and the log-logistic distributions. These tests are also applicable, with the same ability of correctly choosing between the logistic and the extreme value type 1 models (for minima or maxima). A Monte Carlo study identifies three test statistics as the most powerful for correctly selecting between these models: the ratio of maximized likelihood, Anderson-Darling and (modified) Shapiro-Wilk statistics. The third of these test statistics is specifically shown to be advantageous with small samples. A hydrological example shows how this test statistic is used in practice. Editor D. Koutsoyiannis; Associate editor K. Hamed Citation Ashkar, F. and Aucoin, F., Citation2012. Choice between competitive pairs of frequency models for use in hydrology: a review and some new results. Hydrological Sciences Journal, 57 (6), 1092–1106.
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle