Identification Of A Suitable Probability Distribution For Rainfall Analysis Of Bankura District In West Bengal
Notice bibliographique
Résumé
The daily rainfall data of 22 years (1992 to 1993 and 1997 to 2016) of Bankura district in West Bengal were collected from the Indian Meteorological Department (IMD), Kolkata. The data was then processed to identify the maximum rainfall received on any one day (24 hrs duration), in any week (7 days), in a month (4 weeks), in a monsoon season (4 months), pre-monsoon (4 months), post-monsoon(4 months) and in a year (365 days). The data were analysed to find out the standard deviation and coefficient of variation during all the six periods of study. The data showed that the annual daily maximum rainfall received at any time ranged between 58.7mm (minimum) to 258.8mm (maximum) indicating a large range of fluctuation during the period of study. These data were analysed using Anderson-Darling (AD) statistical goodness of fit teston the basis of probability plot to identify the best fit probability distribution for all the six period of study and the trend has been presented in this study. The lognormal distribution was found as the best fit probability distribution for the annual and monsoon period of study. The weibull (3P) was found as the best fit distribution for pre-monsoon and post-monsoon period of study. Weibull (3P), gamma (2P), lognormal, exponential and largest extreme value were observed in most of the weekly period of study as best fit probability distributions. The scientific results clearly established that the analytical procedure devised and tested in this study may be suitably applied for the identification of the best fit probability distribution of rainfall data.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».