Multivariate hydrological risk under heterogeneous conditions
Notice bibliographique
Résumé
In a hydrological context characterized by anthropogenic pressures and climatic disturbances, floods frequently potentially exhibit heterogeneity. On the other hand, floods as other hydrological events are described with different variables in a multivariate framework. Heterogeneity results in particular as change points (CPs) in marginal distributions and/or the dependence between variables. Such CPs pose challenges to the traditional homogeneity hypothesis usually assumed in multivariate quantile estimation. Therefore, incorporating these CPs into the modelling process is crucial for accurately representing the joint behaviour of hydrological variables and avoiding erroneous risk estimates. This article proposes the estimation of multivariate quantile curves (MQCs) through the direct integration of CPs using mixture models for margins and copulas, combined with an evaluation of their behaviour within this framework. To this end, twelve theoretical cases are analyzed to examine the influence of CPs on the shape and position of MQC. The findings indicate that marginal CPs displace the curve, whereas CPs in the dependence structure alter its shape. The combination of these effects results in an amplification of their impact. Subsequently, this methodology is applied to three real hydrometric stations in Canada. Statistical tests are employed to identify CPs, followed by model selection and quantile estimation. The results demonstrate that neglecting CPs can distort the assessment of joint risk. This work offers an operational framework for representing heterogeneity in multivariate frequency analysis.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».