Nonparametric approach to copula estimation in compounding the joint impact of storm surge and rainfall events in coastal flood analysis
Notice bibliographique
Résumé
Abstract The joint probability modelling of storm surge and rainfall events is the main task in assessing compound flood risk in low-lying coastal areas. These extreme or non-extreme events may not be dangerous if considered individually but can intensify flooding impact if they occur simultaneously or successively. Recently, the copula approach has been widely accepted in compound flooding but is often limited to parametric, or in limited number of cases to semiparametric, distribution settings. However, both parametric and semiparametric approaches assume the prior distribution type for univariate marginals and copula joint density. In that case, there is a high risk of misspecification if the underlying assumption is violated. In addition, both approaches suffer from a lack of flexibility. This study uses bivariate copula density in the nonparametric distribution setting. The joint copula structure is approximated nonparametrically by employing Beta kernel and Bernstein copula estimators, and their performances are also compared. The proposed model is tested with 46 years of rainfall and storm surge observations collected on Canada's west coast. Based on the different model compatibility tests, the Bernstein copula with normal KDE margins defined the joint dependence structure well. The selected nonparametric copula model is further employed to estimate joint and conditional return periods. The derived model is further used to estimate failure probability statistics to assess the variation of bivariate hydrologic risk during the project lifetime due to compounded storm surge and rainfall events.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».