MétaCan
Menu
Retour à la cohorte
Enregistrement W7162147132 · doi:10.82308/33517

A stochastic approach to modeling of multisite daily precipitation processes

2018· dissertation· en· W7162147132 sur OpenAlexaboutno aff
Hsien-Wei Chen

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)AgrégationDistribution (mathematics)

Résumé

récupéré en direct d'OpenAlex

L'information concernant la variabilité dans le temps et dans l'espace de la précipitation est importante pour la conception, la planification et la gestion de divers systèmes hydrauliques. La plupart des études précédentes concernent la modélisation du processus de la précipitation en un site; mais très peu travaux de recherche avaient considéré la modélisation des processus de précipitation en plusieurs sites simultanément à cause de la difficulté dans la description précise de la variabilité spatio-temporelle de la précipitation. Alors, dans la présente étude, une approche stochastique de la modélisation des processus de précipitation journalière en divers sites avait été développée. Cette approche était basée sur trois composantes essentielles: la modélisation des occurrences des précipitations journalières, la modélisation des quantités des précipitations journalières, et la combinaison de ces deux modèles. La modélisation de l'occurrence des précipitations journalières a été effectuée par le développement du modèle de série temporelle à réponse binaire multivarié à base gaussienne latent. Le modèle proposé était capable de décrire d'une façon précise la dépendance spatio-temporelle des processus d'occurrence de précipitation journalière en plusieurs sites en se basant sur un petit nombre de paramètres. Les résultats d'une application illustrative de ce modèle en utilisant les données de précipitations journalières d'un réseau de dix pluviomètres au sud du Québec pour la période de 1961 à 2001 ont démontré la précision et la faisabilité de la méthode proposée.La modélisation de la quantité des précipitation journalières vise d'abord à résoudre la difficulté dans le choix d'un modèle approprié pour représenter la distribution de la quantité de précipitation journalière en un site donné. Plus spécifiquement, la loi mixte de Gamma Weibull (MGW) avait été proposé comme une loi de probabilité plus générale qui contient quelques lois de probabilité couramment utilisées dans la modélisation de la quantité de précipitation journalière. De plus, en se basant sur la forme générale du modèle MGW et de l'inférence des rapports de vraisemblance des échantillons, un critère de sélection d'une loi de probabilité appropriée pour la quantité de précipitation journalière en un site a été élaboré. Pour le cas de la modélisation des précipitations journalières en plusieurs sites, la loi MGW multivariée a été proposée pour tenir compte de la dépendance spatiale des quantités de précipitations journalières en divers sites. De plus, une procédure de test d'hypothèse est élaborée pour examiner la validité de ce modèle MGW multivarié dans la description de loi de probabilité conjointe des quantités de précipitations journalières pour chaque paire des pluviomètres. Enfin, un modèle intégré a été développé pour la modélisation des précipitations journalières en divers sites en combinant ensemble le modèle d'occurrence des précipitations journalières et le modèle de la quantité des précipitations journalières. L'évaluation de la performance de ce modèle intégré a été effectuée en utilisant les données de précipitations journalières disponible au sud du Québec. En se basant sur les divers critères d'évaluation graphique et numérique, on a trouvé que le modèle proposé était capable de représenter d'une façon précise les caractéristiques statistiques de la précipitation journalière en un site donné et la variabilité spatiale des précipitations journalières en divers sites simultanément.

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)0,002
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: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrology and Drought AnalysisTravaux en français237 207