Predicting Drought Durations and Magnitudes at Weekly Time Scale: Constant Flow as a Truncation Level
Notice bibliographique
Résumé
At times hydrological droughts are defined using Q90 or Q95 (90% or 95% flow being equaled or exceeded) as truncation levels regardless of their seasonal variations. Truncation at a constant level of flow compared to a variable level (i.e. mean or median level for each season) postures unique statistical problems in modeling of drought durations and magnitudes (deficit volumes). This paper develops a procedure for predicting a T-week drought duration, E(LT ) for a weekly flow sequence based on the concept of standardized hydrological index (SHI). The SHI series were modeled using the first order Markov chain model (MC-1) while being truncated at a constant flow level such as Q90 or Q95. A T-week drought magnitude (standardized) was predicted using the relationship E(MT ) = α× I×E(LT ), where α is a scaling factor to account for the difference between averaged out (week-by-week) standard deviation and the overall standard deviation of the weekly flows, I is the drought intensity whose characteristics are assumed to resemble a truncated normal distribution of weekly deficits, and E(LT ) is based on the zero order Markov chain model (MC-0) of drought lengths. This analytical approach can be construed as distribution free, since simple and first order conditional probabilities of droughts are empirically estimated from the SHI series derived from weekly flow records irrespective of their underlying probability distribution function. Predictive ability of the proposed procedure has been found to be satisfactory for E(LT ) and E(MT ) at Q90 to Q95 truncation levels.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».