Une évaluation de la robustesse de la méthode du krigeage canonique pour l’analyse régionale des débits
Notice bibliographique
Résumé
Dans le présent article, on se propose d’évaluer la généralité et la robustesse du krigeage canonique, une méthode d’estimation régionale du débit, en l’appliquant pour l’estimation du débit moyen interannuel en régime hydrologique tropical et dans des conditions imparfaites de qualité et de disponibilité de données. Pour ce faire, la méthode du krigeage canonique a été appliquée au cas de Haïti dont le réseau de stations hydrométriques est très limité. Le krigeage canonique a été comparé à la régression linéaire, une méthode simple d’estimation régionale. Selon les critères de performance définis, le krigeage canonique paraît légèrement plus performant que la régression. Il produit des estimations moins biaisées (un biais relatif moyen de ‑ 13 % contre ‑ 20 % pour la régression) et des erreurs relatives légèrement moins importantes (54,4 % contre 59,6 %). Toutefois, le krigeage canonique a été moins performant pour l’estimation du débit des plus grands bassins versants, bien que ses performances globales demeurent acceptables. Par ailleurs, vu les conditions très défavorables dans lesquelles la méthode a été appliquée, il n’a pas été possible de relier la baisse dans les performances du krigeage canonique à une déficience dans la généralité de l’approche et/ou dans sa robustesse.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| 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) | 0,002 | 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; 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 ».