MétaCan
Menu
Retour à la cohorte
Enregistrement W2923565714 · doi:10.1111/rssc.12342

Modelling Extreme Rain Accumulation with an Application to the 2011 Lake Champlain Flood

2019· article· en· W2923565714 sur OpenAlexafffundabout
Jonathan Jalbert, Orla A. Murphy, Christian Genest, Johanna Nešlehová

Notice bibliographique

RevueJournal of the Royal Statistical Society Series C (Applied Statistics) · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensMcGill UniversityPolytechnique Montréal
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationMitacsCanada Research Chairs
Mots-clésGeneralized Pareto distributionCopula (linguistics)Flood mythGeneralized extreme value distributionJoint probability distributionMarginal distributionPrecipitationExtreme value theoryReturn periodDistribution (mathematics)MathematicsCluster (spacecraft)Environmental scienceStatisticsHydrology (agriculture)EconometricsMeteorologyGeographyGeologyRandom variableComputer scienceMathematical analysis

Résumé

récupéré en direct d'OpenAlex

Summary A simple strategy is proposed to model total accumulation in non-overlapping clusters of extreme values from a stationary series of daily precipitation. Assuming that each cluster contains at least one value above a high threshold, the cluster sum S is expressed as the ratio S = M/P of the cluster maximum M and a random scaling factor P ∈ (0, 1]. The joint distribution for the pair (M, P) is then specified by coupling marginal distributions for M and P with a copula. Although the excess distribution of M is well approximated by a generalized Pareto distribution, it is argued that, conditionally on P < 1, a scaled beta distribution may already be sufficiently rich to capture the behaviour of P. An appropriate copula for the pair (M, P) can also be selected by standard rank-based techniques. This approach is used to analyse rainfall data from Burlington, Vermont, and to estimate the return period of the spring 2011 precipitation accumulation which was a key factor in that year's devastating flood in the Richelieu Valley Basin in Québec, Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,794
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations2
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of the Royal Statistical Society Series C (Applied Statistics)Même sujetHydrology and Drought AnalysisTravaux en français237 207