Mixture frequency analysis for tropical cyclone and non‐tropical cyclone extreme precipitation in the coastal areas: A case of Fujian in China
Notice bibliographique
Résumé
Abstract The precipitation is classified into tropical cyclone (TC)‐induced precipitation and others, that is, non‐TC precipitation in the Asian continent and the western North Pacific. Traditional frequency analysis for the precipitation, which is a mixture series of annual maximum precipitation generated by TC and non‐TC, does not consider the difference in the generation mechanism with the assumption of independently and identically distributed. To reveal the effect of different generation mechanisms on the frequency analysis of the extreme precipitation, a multiplicative mixture frequency analysis (MMFA) model is adopted to study the interaction of non‐TC maximum precipitation (NTCMP) and TC maximum precipitation (TCMP) to the total precipitation frequency. Applying the NTCMP and TCMP data in Fujian Province located in southeast China, the results indicated that (a) the inconsistencies between NTCMP and TCMP are common, and different inconsistent patterns existed in space; (b) Different characteristics of inconsistency between the two types of precipitation had distinct effect on the estimation results of MMFA model, especially for the high return levels; and (c) The estimation results of MMFA model were demonstrated to be more secure and reliable. Therefore, the MMFA model is a suitable approach to solve the problem of mixture precipitation frequency caused by two generation mechanisms of non‐TC and TC.
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) | 0,000 | 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 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 ».