Hazard Assessment under Multivariate Distributional Change-Points: Guidelines and a Flood Case Study
Notice bibliographique
Résumé
One of the ultimate goals of hydrological studies is to assess whether or not the dynamics of the variables of interest are changing. For this purpose, specific statistics are usually adopted: e.g., overall indices, averages, variances, correlations, root-mean-square differences, monthly/annual averages, seasonal patterns, maximum and minimum values, quantiles, trends, etc. In this work, a distributional multivariate approach to the problem is outlined, also accounting for the fact that the variables of interest are often dependent. Here, the Copula Theory, the Failure Probabilities, and suitable non-parametric statistical Change-Point tests are used in order to provide an assessment of the hazard. A hydrological case study is utilized to illustrate the issue and the methodology (viz., assessment of a dam spillway), considering the bivariate dynamics of annual maximum flood peak and volume observed at the Ceppo Morelli dam (located in the Piedmont region, Northern Italy) over a 50-year period. In particular, several problems—often present in hydrological analyses—are debated: namely, (i) the uncertainties due to the presence of heavy tailed random variables, and (ii) the hydrological meaning/interpretation of the results of statistical tests. Furthermore, the suitability of the procedures proposed to fulfill the goals of the study (viz., detecting and interpreting non-stationarity) is discussed. Overall, the main recommendation is that statistical (multivariate) investigations may represent a necessary step, though they may not be sufficient to assess hydrological (environmental) hazards.
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 | 0,000 | 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) | 0,003 | 0,001 |
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 tête enseignante, 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 ».