• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Cold regions science and technology >Revisiting statistical-topographical methods for avalanche predetermination: Bayesian modelling for runout distance predictive distribution
【24h】

Revisiting statistical-topographical methods for avalanche predetermination: Bayesian modelling for runout distance predictive distribution

机译：重新研究雪崩预定的统计地形方法：跳动距离预测分布的贝叶斯模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Return period is a classical tool for avalanche hazard mapping but is often poorly defined. To reduce ambiguity, high quantiles of a given quantity should be preferred. Inspired by the statistical-topographical "Norwegian" approaches and concepts developed by Ancey and Meunier, this paper presents a new method for computing the predictive distribution of snow avalanche runout distances. We evaluate the uncertainties associated with design values using a very simple propagation operator and minimal statistical hypotheses. Only release and runout altitudes are necessary, allowing the model to work with the French historical avalanche database. We propose a stochastic model flexible enough to reasonably capture avalanche data variability and to express inter-variable correlations. The Bayesian framework facilitates parameter inference and allows taking estimation error into account for predictive simulations.
机译：返回期是雪崩灾害图的经典工具，但通常定义不清。为了减少歧义，应首选给定数量的高分位数。受Ancey和Meunier开发的统计地形“挪威”方法和概念的启发，本文提出了一种计算雪崩跳动距离的预测分布的新方法。我们使用非常简单的传播算子和最小的统计假设来评估与设计值相关的不确定性。只需要释放和跳动高度，就可以使该模型与法国历史雪崩数据库一起工作。我们提出了一种足够灵活的随机模型，可以合理地捕获雪崩数据的可变性并表达变量间的相关性。贝叶斯框架简化了参数推断，并允许将预测误差考虑在内以进行预测模拟。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号