Simulating Nature’s randomness with CoSMoS - A Versatile Stochastic Modeling Framework for Hydrometeorological Phenomena
Notice bibliographique
Résumé
Nature depends on the inherent unpredictability of randomness, a significant force influencing hydrometeorological processes. While physics provides sophisticated models, understanding the variability within randomness is crucial for evaluating environmental risks. Despite the availability of numerous stochastic models tailored to specific statistical properties, identifying essential features for accurate simulations across time, space, and scales remains a challenge. This presentation outlines the progress in CoSMoS, a user-friendly stochastic modeling framework that advances from basic scenarios to complex multisite and space-time simulations. The underlying philosophy of this framework is to faithfully replicate the probabilities describing the occurrences of magnitudes and correlations in space and time. CoSMoS excels in generating time series for various hydroclimatic variables and simulating intricate space-time phenomena, as demonstrated by its effectiveness in replicating storms, cyclones, and air mass collisions. This showcases its versatility in capturing complex behaviors across different scales.ReferencesPapalexiou, S. M., Serinaldi, F., & Clark, M. P. (2023). Large-Domain Multisite Precipitation Generation: Operational Blueprint and Demonstration for 1,000 Sites. Water Resources Research, 59(3), e2022WR034094. https://doi.org/10.1029/2022WR034094 Papalexiou, S. M. (2022). Rainfall Generation Revisited: Introducing CoSMoS-2s and Advancing Copula-Based Intermittent Time Series Modeling. Water Resources Research, 58(6), e2021WR031641. https://doi.org/10.1029/2021WR031641 Papalexiou, S. M., Serinaldi, F., & Porcu, E. (2021). Advancing Space-Time Simulation of Random Fields: From Storms to Cyclones and Beyond. Water Resources Research, 57(8), e2020WR029466. https://doi.org/10.1029/2020WR029466 Papalexiou, S. M., & Serinaldi, F. (2020). Random Fields Simplified: Preserving Marginal Distributions, Correlations, and Intermittency, With Applications From Rainfall to Humidity. Water Resources Research, 56(2), e2019WR026331. https://doi.org/10.1029/2019WR026331 Papalexiou, S. M. (2018). Unified theory for stochastic modelling of hydroclimatic processes: Preserving marginal distributions, correlation structures, and intermittency. Advances in Water Resources, 115, 234–252. https://doi.org/10.1016/j.advwatres.2018.02.013 Papalexiou, S. M., Markonis, Y., Lombardo, F., AghaKouchak, A., & Foufoula‐Georgiou, E. (2018). Precise Temporal Disaggregation Preserving Marginals and Correlations (DiPMaC) for Stationary and Nonstationary Processes. Water Resources Research, 54(10), 7435–7458. https://doi.org/10.1029/2018WR022726
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».