Long-Duration PMP-Like Events for Design of Tailings Storage Facilities
Notice bibliographique
Résumé
Critical-duration hydrologic events are those that determine the design flood storage capacity of a water storage facility or tailings storage facility (TSF). The critical duration is affected by the flood recovery period (the time required to drain down the facility between floods). For TSFs without an emergency spillway—a common operating condition—the critical duration is typically long, often encompassing a wet season, an extended period of wet weather, snowmelt, and/or multiple storms in quick succession. Methods for estimating probable maximum precipitation (PMP), such as the storm-area method, are limited to individual storm events, which typically last several days or less. The Hershfield method, originally developed for durations of 1 day or less, is sometimes applied to longer-duration events due to a lack of alternatives, but it can significantly overestimate PMPs. Therefore, there is a need for a method to estimate long-duration (e.g., ≥10-day) PMP-like events for the design of high-consequence, operating TSFs. The proposed method involves an Extreme Value Analysis (EVA) that utilizes an assumed PMP annual exceedance probability (AEP), estimates of mean and standard deviation derived from statistics at a local station, and skew estimates based on data from a larger regional dataset. This probabilistic method aligns with the vision outlined by the National Academy of Sciences for the future of PMP estimates. In this paper, the method is applied to 1-day and 30-day durations for climate stations in Juneau and Kamloops, utilizing ERA5 climate reanalysis and NASA’s Daymet data to estimate regional skew. The results align well with Hershfield and storm-area PMP estimates for 1-day durations. For 30-day durations, estimates from the proposed method are less than half of those from the Hershfield method because, while the proposed method captures the general trend of decreasing skew in annual maximum series at longer durations, the Hershfield method maintains a relatively constant skew.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».