Wetenschap
Een team wetenschappers van de Universiteit van Californië, Davis, heeft een nieuwe statistische benadering voor milieumetingen ontwikkeld waarmee de gegevens kunnen bepalen hoe extreme gebeurtenissen moeten worden gemodelleerd. De aanpak, genaamd ‘datagestuurde analyse van extreme waarden’, maakt gebruik van een combinatie van statistische methoden om het meest geschikte model voor extreme gebeurtenissen in een bepaalde dataset te identificeren.
Extreme gebeurtenissen zijn zeldzaam, maar kunnen een aanzienlijke impact hebben op het milieu en de samenleving. Extreme weersomstandigheden zoals overstromingen, droogtes en bosbranden kunnen bijvoorbeeld wijdverbreide schade en verlies van mensenlevens veroorzaken. Om de risico's die gepaard gaan met extreme gebeurtenissen te beperken, is het belangrijk om het voorkomen ervan nauwkeurig te kunnen modelleren.
Traditionele methoden voor analyse van extreme waarden gaan er doorgaans van uit dat de gegevens een specifieke verdeling volgen, zoals de Gumbel- of Weibull-verdeling. Deze aanname is echter niet altijd geldig en kan leiden tot onnauwkeurige schattingen van de waarschijnlijkheid van extreme gebeurtenissen. De nieuwe datagestuurde aanpak maakt geen aannames over de distributie van de gegevens en zorgt ervoor dat de gegevens het meest geschikte model kunnen bepalen.
De wetenschappers testten de nieuwe aanpak op verschillende milieugegevenssets, waaronder neerslag, temperatuur en windsnelheid. De resultaten toonden aan dat de nieuwe aanpak extreme gebeurtenissen nauwkeuriger kon modelleren dan traditionele methoden.
De nieuwe aanpak heeft een aantal voordelen ten opzichte van traditionele methoden voor analyse van extreme waarden. Ten eerste zijn er geen aannames nodig over de distributie van de gegevens. Ten tweede is het in staat om het meest geschikte model voor extreme gebeurtenissen in een gegeven dataset te identificeren. Ten derde is het nauwkeuriger dan traditionele methoden, vooral voor datasets met beperkte steekproefomvang.
De nieuwe aanpak is nog in ontwikkeling, maar heeft het potentieel om een revolutie teweeg te brengen in de manier waarop extreme gebeurtenissen worden gemodelleerd. Door de gegevens het meest geschikte model te laten bepalen, kan de nieuwe aanpak nauwkeurigere schattingen opleveren van de waarschijnlijkheid van extreme gebeurtenissen, wat kan helpen de risico's die aan deze gebeurtenissen verbonden zijn, te beperken.
De wetenschappers publiceerden hun bevindingen in het tijdschrift 'Water Resources Research'.
Onderzoekers fabriceren bio-vriendelijke röntgendetectoren op basis van metaalvrije perovskiet-eenkristallen
Het geheim van katalysatoren die de efficiëntie van brandstofcellen verhogen
Hoe een biofysische simulatiemethode het ontdekken van medicijndoelen kan versnellen?
Een aantal nieuwe stappen leren in de energieconversiedans
Ultradun 2D cupraat met actieve periodieke koperen enkele sites, een nieuwe katalysator voor Chan-lam-koppeling
Egel aanpassing
Dallas is slechts de nieuwste overstromingsramp:hoe steden kunnen leren van de huidige klimaatcrises om zich voor te bereiden op morgen
Klimaatmodellering laat significante verschuivingen zien in de kustbossen van de 21e eeuw in de Pacific Northwest
Bossen herstellen met 1 boom tegelijk, om het klimaat te helpen herstellen
De fysica van klimaatverandering werd in de jaren 1800 beschreven door wetenschapper Eunice Foote
Waarom een paar druppels water whisky beter laten smaken
Sensoren gemaakt van bevroren rook kunnen giftig formaldehyde in huizen en kantoren detecteren
Waarom het verwijderen van seks uit geboorteakten belangrijk is voor genderdiverse mensen
Hoe klonen werkt
Een milieuvriendelijke methode voor de synthese van kaneelaldehyde
De nanowereld van Shrinky Dinks
Nieuw algoritme beperkt bias in machine learning
Gewoon een faag? Hoe de roofdieren van bacteriën het darmmicrobioom kunnen vormen 
Wetenschap © https://nl.scienceaq.com