Parameter Uncertainty and Sensitivity Evaluation of Copula-Based Multivariate Hydroclimatic Risk Assessment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Extensive uncertainties exist in hydroclimatic risk analysis. Especially in multivariate hydrologic risk inferences, uncertainties in individual hydroclimatic extremes such as floods and their dependence structure may lead to bias and uncertainty in future hydrologic risk predictions. In this study, a parameter uncertainty and sensitivity evaluation (PUSE) framework is proposed to quantify parameter uncertainties and then reveal their contributions to the multivariate hydroclimatic risk predictions. The predictive risks are finally generated by “integrating†the values over the posterior distributions of the parameters. The proposed approach was applied for bivariate risk analysis of compound floods at the Xiangxi River to characterize the concurrence probabilities of flood peaks and volumes. The results demonstrate that the proposed approach can quantify uncertainties in a copula-based multivariate risk analysis and characterize effects and contributions of parameters in marginal and dependence structures on the multivariate hydroclimatic risk predictions. In terms of the bivariate risk for flood peak and volume at the Xiangxi River, uncertainties in model parameters would lead to noticeable uncertainties even for moderate floods. The performances of the copula model for flood peak-volume at Xiangxi River are mainly affected by the uncertainties in location parameters of the two individual flood variables. Also, parameter uncertainty in the dependence structure (i.e., copula) would also poses explicit impacts on performance of the copula-based risk analyses model. These uncertainties would result into higher bivariate predictive risks than the values obtained by “optimal/deterministic†predictions. This indicates that uncertain- ties are required to be considered to provide reliable multivariate hydroclimatic risk predictions.
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.
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 | 0,002 | 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) | 0,001 | 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 découle