随机生成空间一致每月使用sci降雨

拉赫曼阿卜杜勒一^*

理学院物理系,通讯卫星信息技术研究所、巴基斯坦

*通讯作者:: Abdul基于“增大化现实”技术
理学院物理系
通讯卫星信息技术研究所、巴基斯坦
电话:51 + 92 9247000
电子邮件: (电子邮件保护)

收到的日期:21/01/2018;接受日期:14/03/2018;发布日期:23/03/2018

访问更多的相关文章raybet01

文摘

降雨是主要的和任何水文事件的最重要的组成部分。有一些不确定性的未来预测降雨。使用sci的目的是量化的不确定性参与降雨量的预测。在过去的几十年里有很大差异在巴基斯坦北部发生的降雨。这可能是由于温度的增加会威胁巴基斯坦的水资源。所以有需要估计所涉及的不确定性的估计降雨。本文的努力正在进行量化的不确定性的月平均降雨量UIB使用sci(随机气候库)。本文所做的努力是量化的不确定性参与雨量计的月平均降雨量数据在阿斯特。使用sci随机数据生成基于前面的月平均降雨量数据的阿斯特(1954 - 2000)。一些统计数据(年度和月度)计算确定的行为模型和比较产生的随机数据。

关键字

环境、再生、农业、水文

介绍

月度降雨数据的估计中发挥着关键作用从大型流域径流生成并模拟任何国家的水资源的支柱经济。为了确定系统行为对气候变化长期使用随机生成的数据的数据记录。

降水是至关重要的气候变化。Srikanthan和Pegram1]描述了降水增加趋势的0.5%到1%提高巴基斯坦北部的地区。每十年增加已经观察到在20世纪。统计学无意义的趋势在世界各地的降雨以及喜马拉雅山脉被许多研究人员研究在上个世纪。

月平均降水模拟所需数据的月度流动从大型集雨径流产生的主要组成部分。但是这些模型有一个缺点,这些模型并不适合的集雨相当数量的干几个月。麦克马洪和Srikanthan [1]的方法描述片段分离成其成分的年降雨量数据使用AR模型的1。这种方法的局限性在于不能不能保存之间的相关性(月度)一年的1月和去年的前一个月,也同样的模式较短长度的数据记录。

使用流流佩雷拉和Maheepala2很少改变片段的方法,照顾的第一限制保存每月的相关性。第二个限制他们使用了Thomas-Fiering月度(流量)模型。但它变得麻烦的网站有相当数量的几个月没有降雨。

奥尼尔,沙玛3)使用非参数法模型国米年度月径流的影响。

气候变化项目合作研究中心(CRC)排水水文开发和测试许多计算机程序生成随机气候数据在时间尺度从不到一小时一年,大集雨点网站。适当的模型是随机气候图书馆。在本研究论文发展年度和月度数据和测试Astore(巴基斯坦)站进行了研究。随机月度数据可以进一步用于水文建模和量化的不确定性环境系统。使用一阶马尔可夫链模型由两个部分一个是降雨的发生和第二是找到发生的深度。两个参数γ分布随机数用于相关获取降水深度。历史和生成的统计数据表明,模型保留了月度和年度降雨的重要特征。Bardossy et al。4]研究了时间序列的环流模式模拟的帮助下位场和降水与循环使用条件概率模式。Bardossy et al。4)参数估计方法的基础上,时刻的观测数据。

在过去的几十年里有很大差异在巴基斯坦北部发生的降雨5]。这可能是由于温度的增加会威胁巴基斯坦的水资源。所以有需要估计所涉及的不确定性的估计降雨。本文的努力正在进行量化的不确定性的月平均降雨量UIB使用sci(随机气候库)。

研究区域

在这项研究中Astore流域选择确定的不确定性预测降雨的6]。Astore分水岭位于巴基斯坦在经度和纬度35°33”和74°42”分别拥有一个集水面积约3990公里²图1。只有一个测量站安装由巴基斯坦有海拔2168 m.a.s.l计量部门。

图1:Astore分水线。

商店分水岭是一个提升地区在冬季高峰海拔约8000 m.a.s.l.主要覆盖着积雪和冰川。约15%的面积覆盖着雪7,8]。

方法

MMF(片段)的修改方法和AR(1)模型

每年平均降雨量的历史数据是标准化的方式和任何一年的月平均降水量是(9,10]。可以通过划分各自的年降水量的月平均降雨量。以这种方式通过k年可以产生k的记录集的月平均降雨量的碎片。

适当数量的月度为特定片段,n,是通过考虑在关闭生产每年降雨量数据和上个月的月度降水数据的前一年到相应的观测数据(2](图2)。这是通过适当的数量每年每月的片段,z,制作月度数据系列,将开发一个最小值αz,这里给出:

pure-and-applied-physics-auto-correlation

图2:历史和刺激降雨数据的意思是,标准差,偏态,滞后一个自相关,最大和最小。

:生产的年降雨量为n

x_z:观察年降雨量为n

年代_x:圣年降水量的开发

:观察到上个月的月降水n - 1

y_{z 1}:观察到上个月的月降水z 1

年代_y圣dev =月降雨量的上个月

所产生的年降雨量是1阶自回归模型(AR (1))。

每月的参数

值的平均值,std. dev,偏态,滞后一个自相关最大值、最小值和百分比零雨100年复制与历史值和显示表1 - 7。

表1。对比历史和生成每月的平均降雨量。

项	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
1月	43.349	38.871	28.571	35.676	38.536	42.201	47.148	7.50%	N
2月	48.677	43.645	35.759	41.085	43.785	46.771	52.36	7.50%	N
3月	88.632	91.138	72.932	82.783	89.691	98.238	120.49	7.50%	Y
4月	89.609	89.4	74.925	81.03	88.581	95.362	110.684	7.50%	Y
可能	76.823	81.489	63.354	74.763	81.302	88.013	97.98	7.50%	Y
小君	24.323	24.767	18.859	22.469	24.467	27.081	32.769	7.50%	Y
7月	24.349	25.069	18.98	22.587	24.93	27.418	32.312	7.50%	Y
8月	25.687	27.875	20.833	25.208	27.485	30.169	35.959	7.50%	N
9月	21.106	20.229	14.412	17.354	19.479	22.604	30.058	7.50%	Y
10月	28.731	32.639	21.829	27.996	32.282	36.489	45.568	7.50%	N
11月	21.188	21.14	15.97	18.314	20.876	23.369	27.607	7.50%	Y
12月	29.974	29.917	22.483	27.261	29.433	32.616	37.844	7.50%	Y

表2。对比历史和生成的每月平均降雨量标准差。

项	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
1月	30.13	29.49	20.39	26.669	29.208	31.96	38.569	7.50%	Y
2月	29.692	29.881	24.433	27.009	30.067	32.583	36.797	7.50%	Y
3月	57.134	61.978	44.357	55.788	63.38	67.087	83.297	7.50%	N
4月	53.213	53.854	45.017	49.409	53.754	58.348	63.438	7.50%	Y
可能	59.619	61.62	44.622	57.155	61.56	65.61	77.15	7.50%	Y
小君	19.899	19.774	13.698	15.887	19.245	22.47	29.536	7.50%	Y
7月	22.796	21.107	12.474	18.336	21.516	23.508	30.671	7.50%	Y
8月	22.993	24.207	15.2	21.493	23.942	27.107	32.805	7.50%	Y
9月	26.595	22.449	9.647	13.06	25.13	27.257	40.771	7.50%	N
10月	33.02	38.068	20.373	33.062	38.402	43.957	51.624	7.50%	N
11月	23.678	22.293	15.644	20.169	22.412	25.1	28.712	7.50%	Y
12月	31.051	28.644	21.362	25.299	28.389	31.293	40.631	7.50%	N

表3。对比历史和生成每月的平均降雨量偏态。

项	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
1月	-0.139	-0.022	-0.21	-0.1	-0.031	0.058	0.197	±0.2	Y
2月	-0.024	0.008	-0.194	-0.055	0.008	0.075	0.208	±0.2	Y
3月	-0.06	-0.057	-0.342	-0.145	-0.057	0.04	0.232	±0.2	Y
4月	-0.045	-0.072	-0.339	-0.204	-0.083	0.045	0.294	±0.2	Y
可能	0.002	0.104	-0.119	0.007	0.104	0.167	0.364	±0.2	Y
小君	-0.072	0.011	-0.285	-0.166	-0.001	0.145	0.395	±0.2	Y
7月	-0.064	-0.059	-0.203	-0.147	-0.091	-0.008	0.23	±0.2	Y
8月	-0.105	0.021	-0.271	-0.088	0.004	0.113	0.384	±0.2	Y
9月	0.068	0.018	-0.201	-0.104	-0.008	0.117	0.362	±0.2	Y
10月	-0.116	-0.084	-0.275	-0.162	-0.108	-0.036	0.194	±0.2	Y
11月	0.07	0.086	-0.129	0.004	0.081	0.143	0.346	±0.2	Y
12月	-0.029	0.014	-0.241	-0.107	0.002	0.116	0.327	±0.2	Y

表4。对比历史和生成的每月平均降雨滞后一个自相关。

项	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
1月	143.1	134.947	77.592	130.665	140.257	144.96	150.074	10%	Y
2月	144.4	126.583	87年	91.899	140.859	151.325	157.418	10%	N
3月	239.8	253.6	222.516	245.346	252.145	256.373	299.613	10%	Y
4月	221.2	210.554	168.11	190.149	217.351	228.006	241.5	10%	Y
可能	248.7	246.539	205.652	233.352	240.523	255.409	311.121	10%	Y
小君	94.1	87.641	47.582	56.994	93.719	102.147	133.051	10%	Y
7月	116.3	101.828	49.557	88.542	107.286	117.702	145.49	10%	N
8月	106.6	104.477	62.156	105.129	107.78	109.351	112.368	10%	Y
9月	172.3	121.793	47.445	55.575	168.877	174.539	180.697	10%	N
10月	170.6	171.305	93.849	172.43	184.684	191.094	198.838	10%	Y
11月	110年	99.698	70.548	81.182	109.537	112.169	114.77	10%	Y
12月	168.1	128.26	81.035	96.23	128.854	164.077	171.866	10%	N

表5所示。对比历史和生成月降雨量最大。

项	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
1月	2.3	2.635	0.91	1.983	2.196	3.294	6.867	10%	N
2月	4.2	4.103	3.821	3.95	4.078	4.176	5.011	10%	Y
3月	9.7	10.961	2.48	8.059	9.092	11.446	23.959	10%	N
4月	1.3	4.218	1.281	1.299	1.326	2.981	21.431	10%	N
可能	4.5	6.14	3.195	4.3	4.43	4.611	14.355	10%	N
小君	2	2.119	1.42	1.966	2.036	2.275	2.863	10%	Y
7月	0.3	0.475	0.262	0.272	0.294	0.795	0.999	10%	N
8月	2.2	2.535	1.703	2.107	2.242	3.206	4.355	10%	N
9月	0.8	1.267	0.754	0.778	0.799	2.224	3.108	10%	N
10月	0.3	0.865	0.272	0.284	0.3	1.394	2.56	10%	N
11月	0.3	0.378	0.287	0.293	0.3	0.313	1.315	10%	N
12月	0.8	1.047	0.725	0.782	0.816	1.213	1.867	10%	N

表6。对比历史和生成的每月最低降雨量。

项	托尔。	Y / N
1月	±5	Y
2月	±5	Y
3月	±5	Y
4月	±5	Y
可能	±5	Y
小君	±5	Y
7月	±5	Y
8月	±5	Y
9月	±5	Y
10月	±5	Y
11月	±5	Y
12月	±5	Y

表6 b。对比历史和生成月降雨量%没有雨。

项	托尔。	Y / N
1月	±5	Y
2月	±5	Y
3月	±5	Y
4月	±5	Y
可能	±5	Y
小君	±5	Y
7月	±5	Y
8月	±5	Y
9月	±5	Y
10月	±5	Y
11月	±5	Y
12月	±5	Y

表7所示。对比历史和生成月降雨量的统计数据。

统计数据	嘘。	的意思是	2.50%	25%	50%	75%	97.50%	托尔。	Y / N
雨的意思	522.448	526.179	469.49	506.27	522.248	544.539	596.525	5%	Y
降雨St.dev	130.623	139.548	93.109	121.293	138.622	154.408	196.575	5%	N
降雨量偏态	0.378	0.363	-0.539	-0.059	0.284	0.661	1.766	±0.5	Y
降雨滞后oneautocorrelation	-0.075	-0.069	-0.464	-0.18	-0.058	0.048	0.277	±0.15	Y
降雨马克斯	1.642	1.685	1.362	1.543	1.629	1.755	2.297	10%	Y
降雨量最小	0.538	0.467	0.092	0.384	0.494	0.575	0.687	10%	N
两年的低降雨量	1.42	1.24	0.582	1.131	1.299	1.393	1.567	10%	N
三年的低降雨量	2.322	2.108	1.37	1.986	2.183	2.299	2.514	10%	Y
五年的低降雨量	4.157	3.937	2.967	3.775	3.984	4.159	4.493	10%	Y
七年低降雨量	6.1	5.816	4.822	5.574	5.871	6.062	6.455	10%	Y
十年低降雨量	8.756	8.707	7.742	8.45	8.784	8.988	9.378	10%	Y

一年一度的参数

平均值的平均值,标准差,偏态,滞后一个汽车相关性最大,最小值和2、3、5、7、10年低降雨从100年复制所示表7。

结果和结论

随机降雨一代的主要担忧是雨量和它的发生。在这项研究中随机降雨一代模型平均降雨量为阿斯特。月降雨模型可以适用于详细的预算和环境和水农业模型的研究。月平均降水数据从1954年到2000年是为阿斯特。模型的月度和年度参数估计使用sci(随机气候库)。均方根值计算的平均每月100复制显示了相当不错的结果。%的平均价值100没有雨的复制零值表明,没有月从1954年到2000年为阿斯特没有降雨,而历史数据显示了一些月从1954年到2000年0月平均降雨量。所以比较的基础上%没有下雨我们可以说模型估算%发生没有雨。

引用

Srikanthan兰德Pegram gg。随机生成的多站点降水发生。地球科学进展。2006;6:1-10。
Bardossy 20板EJ。造型的日常循环模式发生的降雨利用半马尔科夫表示。水文学杂志。1991;122:33-47。
Adamowsky K和史密斯AF.Stochastic代的降雨。j . Hydraul。Eng。ASCE.1972; 98:1935 - 1945。
Maheepala年代和佩雷拉CJC。每月的水文数据生成解集。二聚水分子。1996;178:277 - 291。
波特JW和粉红色BJ。的方法合成片段随机数据生成的解集。水文和水资源研讨会,机构工程师,Australia.1991; 187 - 191。
沙玛和奥尼尔R。非参数方法代表年际每月流水量的依赖。提交水资源研究。2001。
Heneker TM,等。指出降雨模型基于风险的设计。水文学杂志。2001;247:54 - 71。
兰伯特M和Kuczera g .季节性广义指数概率模型与应用程序Interstorm和风暴持续时间。水资源研究。1998;34:143 - 148。
霜,et al .随机生成的点雨量数据aiSubdaily时间表:比较滴和NSRP。为流域Hydrology.2004合作研究中心。
随机气候图书馆用户指南版本2.1 b。