Analyses multifractales et spatio-temporelles des précipitations du modèle Méso-NH et des données radar
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Résumé Dans le cadre des multifractals universels, il est possible de caractériser la variabilité spatio-temporelle de la pluie sur une grande gamme d’échelle à l'aide de trois paramètres invariants d’échelles. Dans cette étude, nous avons estimé ces paramètres multifractals sur des simulations numériques effectuées avec le modèle méso-échelle Méso-NH, développé par Météo-France et le Laboratoire d'Aérologie (Univ. P. Sabatier, Toulouse, France), et des images radar composites, couvrant le même événement pluvieux, à savoir un orage particulièrement violent, dit de type Cévenol, ayant eu lieu sur la partie sud de la France du 5 au 9 Septembre 2005. La comparaison des résultats montre que les deux types de données présentent des domaines d'invariance d’échelle relativement similaires, et dont les propriétés sont en accord avec les modèles de précipitation spatio-temporels unifiés et scalants les plus simples. Néanmoins l’évaluation de leurs exposants conduit à des valeurs parfois fortement différentes. Citation Gires, A., Tchiguirinskaia, I., Schertzer, D. & Lovejoy, S. (2011) Analyses multifractales et spatio-temporelles des précipitations du modèle Méso-NH et des données radar. Hydrol. Sci. J. 56(3), 380–396.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.012 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.023 | 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 it