Incertitudes sur les débits simulés par le modèle HYDROTEL attribuables aux incertitudes sur les paramètres - Application au bassin de la rivière Beaurivage, Québec, Canada.
Bibliographic record
Abstract
Le présent mémoire porte sur l'analyse des incertitudes sur les débits simulés par le modèle \nHYDROTEL, associées aux incertitudes sur les paramètres. Pour ce faire, deux techniques locales, \nbasées sur le développement en séries de Taylor, sont utilisées: (i) les méthodes de calcul de la \nprobabilité de défaillance et (ii) les méthodes d'approximation des moments statistiques. Pour les deux \nméthodes, une comparaison entre l'utilisation de l'ordre 1 et l'ordre 2 est effectuée (l'ordre désignant le \nseuil de troncature du développement en séries de Taylor). Afin d'appliquer ces différentes méthodes, \ncertaines hypothèses (telles que l'indépendance des paramètres du modèle, la distribution gaussienne des \nparamètres en entrée), des années hydrologiques particulières et des indicateurs hydrologiques \nspécifiques (crues et étiages) sont considérées. Une fois les incertitudes sur les débits simulés connues, \non définit un critère de Nash-Sutcliffe généralisé qui remplace le coefficient de Nash-Sutcliffe classique. \nCe coefficient tient compte de l'incertitude associée au débit simulé dans le cadre de l'exercice du \ncalage pour l'évaluation d'une simulation. \nL'analyse d'incertitudes est généralement associée à une analyse de sensibilité permettant la \nhiérarchisation des paramètres. Une analyse de sensibilité du modèle vis-à-vis différents paramètres est \nréalisée sur une période de 40 ans (de 1969 à 2009). Le bassin pilote est celui de la rivière Beaurivage. \nL'analyse de sensibilité du modèle montre que l'influence des paramètres est très variable d'une saison à \nl'autre et même d'une journée à l'autre. Durant la période de fonte printanière, les paramètres les plus \ninfluents sont le coefficient d'optimisation de l'évapotranspiration potentielle (FETP), la limite \ninférieure de la deuxième couche du sol (Z2), le gradient vertical de la température (GVT) et les taux de \nfonte pour les forêts de conifères et de feuillus (FFCO et FFFE). Durant la période hivernale, les \nparamètres les plus influents sont le FETP, le coefficient de récession (REC), le Z2 et le taux de fonte \npour le milieu ouvert (FFFO). Durant l'été et l'automne, les paramètres les plus influents sont le FETP, \nle Z2 le REC et la limite inférieure de la troisième couche (Z3). \nL'analyse d'incertitudes faite pour des journées hydrologiques particulières a montré que l'ordre 2 est \nindispensable à l'obtention de résultats concernant les probabilités de dépassement. L'intervalle de \nconfiance de 95%, calculé pour les années particulières, montre que l'incertitude est variable d'une \nsaison à l'autre. Elle est plus importante durant la fonte du couvert nival (printemps) et durant l'étiage \nestival. Les bandes d'incertitudes sont plus larges pour l'année la plus sèche. Concernant les indicateurs \nhydrologiques tels que les débits de crue ou d'étiage, plus la période de retour est grande, plus \nl'incertitude sur les débits associées aux incertitudes sur les paramètres est importante. Une comparaison \nentre cette incertitude et l'incertitude statistique associée au choix de la loi d'ajustement (dans notre cas \nla loi de Gumbel) montre que l'incertitude statistique est plus importante pour les périodes de retour \nsupérieures à cinq ans.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".