MétaCan
Menu
Retour à la cohorte
Enregistrement W2333217393 · doi:10.1061/40737(2004)261

Drought Frequency Analysis with a Hidden State Markov Model

2004· article· en· W2333217393 sur OpenAlexafffund
P. F. Rasmussen, B. Akintug

Notice bibliographique

RevueCritical Transitions in Water and Environmental Resources Management · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesManitoba Hydro
Mots-clésHidden Markov modelAutocovarianceMarkov modelHidden semi-Markov modelVariable-order Markov modelMarkov chainMarkov processMaximum-entropy Markov modelComputer scienceEconometricsMathematicsStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

As an alternative to the more conventional ARMA models, we explore the potential of hidden state Markov models for simulating hydrologic droughts. In the simplest case, the hidden (unobserved) Markov process has two states, wet and dry, representing the general climate regime prevailing at the time. Each state has a particular distribution of streamflow associated with it. Conditional upon the value of the state variable at time t, the distribution of flow at time t is independent of previous flows. Autocovariance is provided for through the Markov process. A brief discussion of model properties and parameter estimation is given. The results of an application of the hidden state Markov model to drought frequency analysis are presented along with a comparison with more conventional models.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,617
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations3
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCritical Transitions in Water and Environmental Resources ManagementMême sujetHydrology and Drought AnalysisTravaux en français237 207