Trivariate probabilistic assessments of the compound flooding events using Semiparametric Fully Nested Archimedean (FNA) copula approach
Notice bibliographique
Résumé
Flooding in coastal areas can result from the joint occurrence of multiple individual flood variables, resulting in compound flooding (CF) events. Individual variables may not be extreme but can result in a severe coastal impact if they occur in close succession or simultaneous. Bivariate joint distribution analysis is ineffective in assessing the likelihood of joint occurrence, thus demanding a more advanced higher dimensional probability framework. Incorporating higher dimensional joint simulation via traditional symmetric 3-D Archimedean or Elliptical copulas has statistical limits and would be incapable of preserving all lower-level dependencies. The heterogeneous dependency in hydrologic consequences can be modelled effectively via the fully nested Archimedean (FNA) copulas. Incorporating FNA under parametric distribution settings is not flexible enough since it is restricted by the prior distributional assumption of the function type for both its marginal density functions and copulas in parametric fittings. This study introduces a multivariate FNA copula under semiparametric distribution settings. The presented approach is based on relaxing the modelling of univariate marginal behaviour without any distributional assumption via the nonparametric kernel density estimation (KDE). The univariate marginal distribution of all the flood characteristics is constructed via normal KDE. The performance of FNA with nonparametric marginals outperforms the FNA copula built under parametric settings. The derived semiparametric FNA is applied to a case study in compounding the joint impact of rainfall, storm surge and river discharge observations on the west coast of Canada. The presented copula-based joint modelling is employed in multivariate analysis of flood risks in trivariate primary joint and conditional joint return periods. The trivariate hydrologic risk associated with compound events is analyzed using the failure probability (FP) statistics. Investigation reveals that trivariate hydrologic events produce a higher failure probability than bivariate (or univariate) events; neglecting trivariate joint analysis would underestimate FP. Also, it indicates that trivariate hydrologic risk values would increase with an increase in service time of the hydraulic facilities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».