Étude sur le choix du seuil de troncature en analyse des séries de durées partielles : application au Canada
Bibliographic record
Abstract
L'estimation des débits de crues est d'une importance majeure pour la conception des ouvrages d'art et la gestion des ressources hydriques. La mauvaise évaluation de ces débits entraîne un surdimensionnement ou sous dimensionnement des ouvrages hydrauliques, induisant ainsi un investissement excessif ou un risque démesuré d'inondations. Un modèle de données chronologiques de durée partielle est retenu pour l'étude des crues. Ce modèle nécessite d'abord l'estimation du seuil de troncature qui définit la série chronologique intermittente à analyser. Ce paramètre joue un rôle majeur dans la solution du problème malgré le peu d'importance que lui reconnaît la littérature. Le but de la présente étude est d'élaborer une méthode graphique comme guide dans le choix du seuil. Par la suite, cette méthode est appliquée à 238 stations hydrométriques au Canada. Une fois le seuil obtenu pour ces stations hydrométriques, une régionalisation utilisant l'analyse de régression a été réalisée. Ces équations régionales peuvent servir à estimer le seuil d'une nouvelle série hydrologique sans avoir à passer par la méthode graphique.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".