Procédures de décision multimodèle pour une prévision des crues en temps réel: Application au bassin supérieur de la Garonne
Notice bibliographique
Résumé
Cet article décrit une procédure de décision destinée à la prévision des crues en temps réel. La méthode proposée permet de combiner les résultats de différents modèles avec une pondération adaptée aux conditions de fonctionnement du système de prévision. Chaque modèle a lors du calage des performances qui lui sont propres ainsi qu'une sensibilité particulière aux différentes perturbations. Les résultats de ces modèfles étant corrélés, la décision optimale est par conséquence une combinaison linéaire de la décision qui peut être prise dans chaque état du système pondérée par la probabilité de se trouver dans une configuration donnée. Dans le cadre d'un système de prévision exploitant le résultat de plusieurs modèles, la procédure se décompose en deux étapes. Pendant la première étape, après analyse de l'ensemble des informations collectées on détermine les états possibles du système. La deuxième étape établit une prévision en calculant des poids optimaux accordés à chaque modèle en fonction des différentes configurations du système. Un tel système de décision nécessite une étude complète afin de décrire et modéliser toutes les perturbations et situations hydrologiques possibles. Une procédure simplifiée a donc été développée identifiant seulement deux états du système : le premier où tout fonctionne correctement et le deuxième déterminé à partir des derniers pas de temps connus. Comparativement à des méthodes de changement de modèles, cette méthode simplifiée a montré sur la Vézère de meilleurs résultats. L'intérêt de cette approche est confirmé même dans le cas où des erreurs accidentelles interviennent en temps réel. On présente les performances de cette procédure, observées depuis son implantation sur le système d'annonce de crues du bassin supérieur de la Garonne.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».