MétaCan
Menu
Retour à la cohorte
Enregistrement W2280975768 · doi:10.1002/2015wr017259

Sampling variability in estimates of flow characteristics in coarse‐bed channels: Effects of sample size

2016· article· en· W2280975768 sur OpenAlexafffund
Piotr Cienciala, Marwan A. Hassan

Notice bibliographique

RevueWater Resources Research · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Sediment Transport Processes
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSampling (signal processing)StatisticsMathematicsSpatial variabilitySample size determinationRange (aeronautics)Shear stressResamplingBed loadSpatial correlationSoil scienceGeologyMechanicsMaterials scienceSediment transportPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Adequate description of hydraulic variables based on a sample of field measurements is challenging in coarse‐bed streams, a consequence of high spatial heterogeneity in flow properties that arises due to the complexity of channel boundary. By applying a resampling procedure based on bootstrapping to an extensive field data set, we have estimated sampling variability and its relationship with sample size in relation to two common methods of representing flow characteristics, spatially averaged velocity profiles and fitted probability distributions. The coefficient of variation in bed shear stress and roughness length estimated from spatially averaged velocity profiles and in shape and scale parameters of gamma distribution fitted to local values of bed shear stress, velocity, and depth was high, reaching 15–20% of the parameter value even at the sample size of 100 (sampling density 1 m −2 ). We illustrated implications of these findings with two examples. First, sensitivity analysis of a 2‐D hydrodynamic model to changes in roughness length parameter showed that the sampling variability range observed in our resampling procedure resulted in substantially different frequency distributions and spatial patterns of modeled hydraulic variables. Second, using a bedload formula, we showed that propagation of uncertainty in the parameters of a gamma distribution used to model bed shear stress led to the coefficient of variation in predicted transport rates exceeding 50%. Overall, our findings underscore the importance of reporting the precision of estimated hydraulic parameters. When such estimates serve as input into models, uncertainty propagation should be explicitly accounted for by running ensemble simulations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,096
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,192

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,096
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,296
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Sediment Transport ProcessesTravaux en français237 207