Analyse fréquentielle régionale non stationnaire des crues à des sites non jaugés.
Bibliographic record
Abstract
L'analyse fréquentielle régionale des crues est couramment utilisée pour estimer le risque de crue \nà un site où peu ou pas d'information est disponible sur les débits de pointe. Cette approche \nnécessite 1'hypothèse de stationarité des crues. Dans ce mémoire, une nouvelle méthode est \nprésentée afin de procéder à une analyse fréquentielle régionale des crues à des sites non jaugés \nlorsque l'hypothèse de stationarité n'est pas vérifiée. Des modèles locaux non stationnaires sont \nutilisés pour estimer le risque de crue aux sites jaugés. Cette information est ensuite utilisée de \npair avec les caractéristiques physiographiques et météorologiques des bassins versants de façon \nà définir un voisinage hydrologique pour le site non jaugé par l'analyse canonique des \ncorrélations (ACC). Un modèle de régression multiple est développé à l'intérieur de ce \nvoisinage. La méthode proposée a été testée à partir d'un groupe de stations de jaugeage des \ndébits situées dans le sud-est du Canada et le nord-est des Etats-Unis et qui présentent un signal \nde non stationarité. Les résultats indiquent que le développement d'un modèle de régression \nmultiple au moyen de 2 variables explicatives (incluant l'aire du bassin versant) mène à de \nbonnes estimations des quantiles de crue régionaux et non stationnaires de temps de retour 5 et \n100 ans pour la fin de la période d'observation historique (racine de l'erreur quadratique relative \nmoyenne de 38.2 % et 60.8 % respectivement). L'utilisation de l'ACC pour la définition du \nvoisinage hydrologique n'a pas donné de meilleurs résultats. Le nombre total de sites (29) est \nfaible et, conséquemment, la taille des voisinages hydrologiques est trop petite pour développer \nde bons modèles de régression à l'intérieur de ceux-ci. La comparaison des quantiles de crue \nrégionaux et non stationnaires avec les résultats stationnaires montre que le fait d'ignorer une \ntendance des crues printanières d'un site non jaugé peut mener à une sous-estimation ou \nsurestimation considérable des quantiles de crue pour ce site. \n
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".