Incertitudes sur les débits simulés par le modèle HYDROTEL attribuables aux incertitudes sur les paramètres - Application au bassin de la rivière Beaurivage, Québec, Canada.
Notice bibliographique
Résumé
Le présent mémoire porte sur l'analyse des incertitudes sur les débits simulés par le modèle \nHYDROTEL, associées aux incertitudes sur les paramètres. Pour ce faire, deux techniques locales, \nbasées sur le développement en séries de Taylor, sont utilisées: (i) les méthodes de calcul de la \nprobabilité de défaillance et (ii) les méthodes d'approximation des moments statistiques. Pour les deux \nméthodes, une comparaison entre l'utilisation de l'ordre 1 et l'ordre 2 est effectuée (l'ordre désignant le \nseuil de troncature du développement en séries de Taylor). Afin d'appliquer ces différentes méthodes, \ncertaines hypothèses (telles que l'indépendance des paramètres du modèle, la distribution gaussienne des \nparamètres en entrée), des années hydrologiques particulières et des indicateurs hydrologiques \nspécifiques (crues et étiages) sont considérées. Une fois les incertitudes sur les débits simulés connues, \non définit un critère de Nash-Sutcliffe généralisé qui remplace le coefficient de Nash-Sutcliffe classique. \nCe coefficient tient compte de l'incertitude associée au débit simulé dans le cadre de l'exercice du \ncalage pour l'évaluation d'une simulation. \nL'analyse d'incertitudes est généralement associée à une analyse de sensibilité permettant la \nhiérarchisation des paramètres. Une analyse de sensibilité du modèle vis-à-vis différents paramètres est \nréalisée sur une période de 40 ans (de 1969 à 2009). Le bassin pilote est celui de la rivière Beaurivage. \nL'analyse de sensibilité du modèle montre que l'influence des paramètres est très variable d'une saison à \nl'autre et même d'une journée à l'autre. Durant la période de fonte printanière, les paramètres les plus \ninfluents sont le coefficient d'optimisation de l'évapotranspiration potentielle (FETP), la limite \ninférieure de la deuxième couche du sol (Z2), le gradient vertical de la température (GVT) et les taux de \nfonte pour les forêts de conifères et de feuillus (FFCO et FFFE). Durant la période hivernale, les \nparamètres les plus influents sont le FETP, le coefficient de récession (REC), le Z2 et le taux de fonte \npour le milieu ouvert (FFFO). Durant l'été et l'automne, les paramètres les plus influents sont le FETP, \nle Z2 le REC et la limite inférieure de la troisième couche (Z3). \nL'analyse d'incertitudes faite pour des journées hydrologiques particulières a montré que l'ordre 2 est \nindispensable à l'obtention de résultats concernant les probabilités de dépassement. L'intervalle de \nconfiance de 95%, calculé pour les années particulières, montre que l'incertitude est variable d'une \nsaison à l'autre. Elle est plus importante durant la fonte du couvert nival (printemps) et durant l'étiage \nestival. Les bandes d'incertitudes sont plus larges pour l'année la plus sèche. Concernant les indicateurs \nhydrologiques tels que les débits de crue ou d'étiage, plus la période de retour est grande, plus \nl'incertitude sur les débits associées aux incertitudes sur les paramètres est importante. Une comparaison \nentre cette incertitude et l'incertitude statistique associée au choix de la loi d'ajustement (dans notre cas \nla loi de Gumbel) montre que l'incertitude statistique est plus importante pour les périodes de retour \nsupérieures à cinq ans.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».