MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161962643 · doi:10.82308/13555

De-aggregated reliability analysis of freezing rain hazard

2010· dissertation· en· W7161962643 sur OpenAlexaboutno aff
Majid-Reza Erfani

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStatistical analysisHazard analysisDistribution (mathematics)

Résumé

récupéré en direct d'OpenAlex

L'objectif de ce travail est d'améliorer l'estimation du taux de récurrence et la distribution de la sévérité des tempêtes de verglas dans la région de Montréal ; deux quantités requises pour déterminer les critères de conception de certaines structures, telles que les lignes de transmission, pour ce type d'événement. Certaines des faiblesses des méthodes actuelles pour étudier les événements de pluies verglaçantes sont liées à la disponibilité limitée de données. Cela se traduit par des observations variables et un faible nombre d'événements importants. Les méthodes développées dans ce travail adressent ces problèmes. En premier lieu, une analyse désagrégée est employée afin d'obtenir de meilleures tendances statistiques en regroupant les tempêtes en fonction de différentes caractéristiques physiques qui sont reliées aux événements de verglas. Une deuxième procédure pour diminuer l'incertitude reliée à l'estimation de la période de récurrence des événements extrêmes est basée sur la solution du modèle d'accumulation CRREL à l'aide de méthodes d'analyse fiabilistes. Les données de réanalyse du NCEP ont été utilisées pour compiler les relations spatiales entre les paramètres météorologiques pour les tempêtes identifiées et classifiées par Rauber et al. (2001). Plusieurs analyses statistiques à variables multiples ont été utilisées afin d'évaluer l'efficacité de le pression au niveau de la mer, de l'épaisseur de la couche atmosphérique entre 1000 et 500 hPa et de l'épaisseur de la couche atmosphérique entre 1000 et 925 hPa à regrouper les tempêtes. Les résultats indiquent que l'algorithme k-means couplé avec une représentation par composantes principales des tempêtes produit les meilleurs résultats. Les tempêtes avec des précipitations plus élevées sont associées à un groupe où les systèmes de haute pression sont ralentis ou stoppés momentanément par les Appalaches. Les observations d'environnement Canada ont été utilisées pour identifier les tempêtes de verglas qui ont affecté Ottawa, Montréal et Québec et obtenir un échantillon de la vitesse des vents et des précipitations. Les précipitations totales et l'accumulation de verglas pour chaque groupe sont représentées par les distributions General Pareto et Generalized Extreme Value, en combinaison avec une approche Peaks over Treshold. Les distributions obtenues diffèrent de façon importante pour les différents regroupements. L'approche par désagrégation améliore la performance des modèles et est moins sensible au choix des précipitations minimales (le treshold). La seconde approche pour l'estimation de la période de retour des événements de verglas extrêmes considère la précipitation totale, la proportion du gel et la vitesse du vent comme des variables aléatoires dans le modèle d'accumulation de verglas. La combinaison la plus probable des variables associée à des accumulations de verglas importantes correspond à une précipitation totale et une proportion de gel élevées, mais une vitesse du vent seulement légèrement plus haute que la moyenne. Cette information est utile à l'identification des cas de combinaison des charges (vitesse de vent et accumulation de verglas) pour les critères de conception. Finalement, la méthode des super-stations (Jones and white 2002a) a été analysée pour un échantillon regroupant les villes d'Ottawa, Québec et Montréal. Des simulations Monte Carlo ont été effectuées sur les données régionales et cette approche fiabiliste, appliquée au modèle empirique d'accumulation, donne des résultats similaires à ceux de Jones et White (2002a) pour une période de retour de 50 ans, mais les divergences sont plus importantes pour des périodes de retour plus élevées. Les périodes de retour correspondant à une accumulation de verglas de 45mm pour Montréal, Ottawa et Québec sont de 160, 210 et 85 ans, respectivement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMeteorological Phenomena and Simulations→Travaux en français237 207→