An Application of Cross Entropy Method to the Parameter Estimation in Flood Frequency Analysis
Notice bibliographique
Résumé
本文研究基于分位数对约束下的交互熵进行洪水频率分布参数估计方法。以加拿大Feather河和陕北地区张村驿站年最大洪峰流量序列为例，选取Gumbel和Gamma分布，基于最小交互熵原理，进行年最大洪峰流量序列分布参数估计，并根据估计参数推求洪峰流量频率曲线图。与矩法和极大似然法所求熵值比较，结果表明：交互熵法获得最小熵值，频率点距拟合亦取得满意效果。因此，在考虑分位数对约束的条件下，交互熵法能有效的估计分布参数，且较矩法和极大似然法优越。 This paper studies on the application of fractile constrained cross-entropy to the estimation of dis- tribution parameters in flood frequency analysis. Based on the principle of minimum cross-entropy, two annual maximum flood peak series respectively in Feather River in Canada and Zhangcunyi Station in north- ern Shaanxi province with Gumbel distribution and Gamma distribution were employed to the parameter estimation of the four distribution functions. Four frequency curves with the estimated parameters were also plotted. Then, comparing the calculated cross-entropy values with those that are derived by traditional methods- MOM and MLM, it turned out that: by using cross entropy method, we got the minimum cross entropy values. The plotted theoretical frequency curves fit well with the empirical frequency curves. So, we can conclude that the quantile constrained cross-entropy method has the considerable merit in the flood frequency parameter estimation and is superior to the traditional methods-MOM and MLM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».