Possibilistic response surfaces combining fuzzy targets and hydro-climatic uncertainty in flood vulnerability assessment
Notice bibliographique
Résumé
Abstract. Several alternatives have been proposed to shift the paradigms of water management under uncertainty from predictive to decision-centric. An often mentioned tool is the stress-test response surface; mapping system performance to a large sample of future hydro-climatic conditions. Dividing this exposure space between success and failure requires clear performance targets. In practice, however, stakeholders and decision-makers may be confronted with ambiguous objectives for which there are no clearly-defined (crisp) performance thresholds. Furthermore, response surfaces can be non-deterministic, as they do not fully capture all possible sources of hydro-climatic uncertainty. The challenge is thus to combine two different types of uncertainty: the irreducible uncertainty of the response itself relative to the variables that describe change, and the fuzziness of the performance target. We propose possibilistic surfaces to assess flood vulnerability with fuzzy performance thresholds. Three approaches are tested and compared on a un-gridded sample of the exposure space: (i) an aggregation of logistic regressions based on α-cuts combines the uncertainty of the response itself and the ambiguity of the target within a single possibility measure; (ii) an alternative approximates the response with a fuzzy analytical surface; and (iii) a convex delineation expresses the largest range of failure specific to a given management rule without probabilistic assumptions. To illustrate the proposed approaches, we use the flood-prone reservoir system of the Upper Saint-François River Basin in Canada as a case study. This study shows that ambiguity can be effectively be considered when generating a response surface and suggests how further research could build a possibilistic framework for hydro-climatic uncertainty.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».