Front propagation in heterogeneous media: mathematical, numerical, and statistical issues in modelling a forest fire front Chris Bose (University of Victoria),
Notice bibliographique
Résumé
The main objective of this workshop was to bring together applied mathematicians, statisticians, and forest fire researchers and managers to discuss key issues relating to numerical algorithms, physical modelling and mathematical/statistical analysis relevant to the simulation of a propagating forest fire front. Numerical Algorithms The most popular wildfire spread simulators used in Canada and the United States are PROMETHEUS (Tymstra, 2005) and FARSITE (Finney, 2004). Both of these simulators are based on a marker method solution of a Lagrangian form of partial differential equations which describe the evolving fire front (for example, Richards, 1990). The principal difference between the two simulators lies in the manner in which the input parameters are determined. Inputs are derived from fuel type (i.e. type, density and characteristics of vegetation), weather (wind speed and direction, relative humidity, temperature, and precipitation), and topography (i.e. elevation, slope and aspect). In Canada, an empirical modelling approach (based on observations on a large inventory of experimental and well-documented wildfires) has been employed in order to relate the partial differential equation parameters to these inputs, while in the United States, a physical process approach (based on extensive laboratory experimentation) has been employed. Remarkably (or perhaps because of the robustness of the equation solutions), the two approaches often yield similar results.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».