Approche statistique régionale pour l’estimation des caractéristiques pluviométriques: Etude de cas au Nord Est de l’Algérie
Bibliographic record
Abstract
Les données hydrométriques et parfois également les données pluviométriques sont quasi inexistantes sur des petits bassins versants comme ceux sur lesquelles les barrages collinaires sont construits. Le but de cet article est de présenter une approche statistique régionale pour estimer les caractéristiques pluviométriques relatives à ces petits bassins. Cette approche permet d’estimer le coefficient de variation de la pluviométrie moyenne annuelle; de choisir une distribution statistique de la variabilité interannuelle et aussi d’estimer la pluviométrie maximale journalière à différentes périodes de retour et cela en utilisant la pluviométrie moyenne annuelle ainsi que les caractéristiques géographiques des bassins versants. L’approche est appliquée sur une zone d’étude qui couvre 43 000 km2 au Nord Est de l’Algérie. Les relations statistiques développées s’avèrent robustes et fiables telle que le montre la vérification par validation croisée et peuvent être utilisées pour un dimensionnement préliminaire des barrages collinaires.
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 | 0.015 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".