Stochastic generator for rainfall with a Hawkes process marked by an extended generalized Pareto and a vine copula
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A stochastic generator for rainfall is built from a Hawkes process, which is modeling the occurrence and serial correlation of non-zero rainfall values. Hawkes processes are suited to model intermittent signals, which is the case of rainfall at a fine enough observation frequency. This Hawkes process has a two-scale intensity function accounting for two orders of clustering in rainfall time series. The rainfall amount of each non-zero value is modeled by an extended generalized Pareto (EGP) distribution with the whole range of rainfall as support, from low to extreme values. New parametric EGP forms adapted to high frequency rainfall time series are defined. The Hawkes process only models the serial correlation of occurrences but not that of the amounts. A conditional version of the EGP is hence developed by adding a copula, modeling the temporal dependence of rainfall amounts. A subsettable canonical vine copula models this dependency for multiple time lags, while accounting for the intermittency of non-zero rainfall values. An application to a 40 yr time series of hourly rainfall in France is presented. Simulations from the model reproduce adequately the marginal distribution of rainfall, the temporal clustering of events, and the autocorrelation . The simulations are also able to reproduce the intensity-duration-frequency relation of the IDF extreme value model, showing that this stochastic generator is suitable for risk assessment of duration-dependent extremes.
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.
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) | 0,001 | 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 découle