Characterizing weekday-weekend difference in precipitation
Notice bibliographique
Résumé
In an attempt to characterize the possible effect of human activities on precipitation, weekday versus weekend precipitation is analyzed over the United States. Past works on the subject using different datasets and statistical methods, including one done at McGill in 2013 by Cazenave, have obtained mixed results. The main focus of this work is to diminish as much as possible errors in the calculation of the significance of the weekly cycle in precipitation by determining an appropriate statistical test and dealing with the issue of temporal autocorrelation. The difference in precipitation between weekday and weekend is first characterized by analyzing data of reflectivity probability from composite images of radar and data of accumulation that have both been generated and archived since late 1995 and up to September 2014 for twelve months each year. To assess the statistical significance, we perform calculations using two different methods, one by taking into account an effective number of independent observations [Bayley, 1946] and the other by using a Monte Carlo approach where we compare results with a random data simulation.Both methods reveal similar regions with a potentially significant weekly cycle in precipitation such as small areas over Texas and Florida in addition to a bigger area in the northeastern part of the United States centered on Pennsylvania. However, additional analyses of significant values reveal that less than 5% of the continental US area shows significance beyond the 95% confidence interval, suggesting that significant signatures are likely due to random variability.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».