Implications of heterogeneous flood‐frequency distributions on traditional stream‐discharge prediction techniques
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 Traditional flood‐frequency analysis involves the assumption of homogeneity of the flood distribution. However, floods are often generated by heterogeneous distributions composed of a mixture of two or more populations. Differences between the populations may be the result of a number of factors, including seasonal variations in the flood‐producing mechanisms, changes in weather patterns resulting from low‐frequency climate shifts and/or El Niño/La Nina oscillations, changes in channel routing owing to the dominance of within‐channel or floodplain flow, and basin variability resulting from changes in antecedent soil moisture. Not recognizing these physical processes in conventional flood‐frequency analysis probably is the main reason that many frequency distributions do not provide an acceptable fit to flood data. In this paper, we use long‐term hydroclimatic records from the Gila River basin of south‐east and central Arizona in the USA to explore the extent and significance of mixed populations. First, we discuss the probable causes of heterogeneity in the frequency distribution of annual flood and present evidence of its occurrence. Second, we investigate the implications of using various popular homogeneous distributions for predicting peak flows for basins that exhibit mixed population characteristics. Third, we demonstrate how alternative frequency models that explicitly account for floods generated by a mixture of two or more populations are both hydrologically and statistically more appropriate. We illustrate how the selection of the most plausible distribution for flood‐frequency analysis also should be based on hydrological reasoning as opposed to the sole application of the traditional statistical goodness‐of‐fit tests. Copyright © 2002 John Wiley & Sons, Ltd.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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