Σύζευξη της ισχύος της προσομοίωσης και βελτιστοποίησης για τη βαθμονόμηση μοντέλων συστοιχίας Poisson

P. Kossieris, A. Efstratiadis, and D. Koutsoyiannis, Coupling the strengths of optimization and simulation for calibrating Poisson cluster models, Facets of Uncertainty: 5th EGU Leonardo Conference – Hydrofractals 2013 – STAHY 2013, Kos Island, Greece, doi:10.13140/RG.2.2.15223.21929, European Geosciences Union, International Association of Hydrological Sciences, International Union of Geodesy and Geophysics, 2013.

[Σύζευξη της ισχύος της προσομοίωσης και βελτιστοποίησης για τη βαθμονόμηση μοντέλων συστοιχίας Poisson]

[doc_id=1388]

[Αγγλικά]

Πολλές υδρολογικές εφαρμογές απαιτούν τη χρήση δεδομένων βροχόπτωσης σε ένα ευρύ φάσμα χρονικών κλιμάκων. Συνήθως, για την προσομοίωση της βροχής σε λεπτές χρονικές κλίμακες, εφαρμόζονται στοχαστικές προσεγγίσεις. Η πλέον αντιπροσωπευτική είναι το μοντέλο Bartlett-Lewis, που ανήκει στην οικογένεια των διεργασιών συστοιχίας Poisson για την αναπαραγωγή επεισοδίων βροχής. Η συνήθης προσέγγιση για την βαθμονόμηση του μοντέλου περιλαμβάνει την ενσωμάτωση των θεωρητικών εξισώσεων του μοντέλου σε μια στοχική συνάρτηση και τη βελτιστοποίηση της εν λόγω συνάρτησης. Ωστόσο, είναι προφανές ότι αυτή η διαδικασία περιορίζεται στην περίπτωση που υπάρχουν αναλυτικές εξισώσεις για τις στοχαστικές ιδιότητες των διεργασιών του μοντέλου. Όμως, τέτοιες αναλυτικές εξισώσεις δεν μπορούν να εξαχθούν για κάποια βασικά χαρακτηριστικά, όπως η ασυμμετρία και οι παράμετροι που προσδιορίζουν την κατανομή των ακραίων τιμών. Παρουσιάζουμε μια πρωτότυπη προσέγγιση που θεραπεύει τις παραπάνω αδυναμίες, μέσω συνδυασμένης χρήσης της προσομοίωσης και βελτιστοποίησης. Κατά τη βαθμονόμηση, τα στατιστικά χαρακτηριστικά του μοντέλου εξάγονται μέσω προσομοίωσης Monte Carlo αντί των θεωρητικών εξισώσεων. Εισάγονται διάφορα κριτήρια βαθμονόμησης καθώς και στατιστικές παράμετροι, που αποσκοπούν σε μια πιο πιστή αναπαράσταση των διεργασιών βροχόπτωσης σε διαφορετικές χρονικές κλίμακες. Η αποτελεσματικότητα της προτεινόμενης μεθόδου αναδεικνύεται χρησιμοποιώντας μις μεγάλη σειρά δεδομένων από έναν βροχομετρικό σταθμό της Αθήνας.

PDF Πλήρες κείμενο (1605 KB)

Βλέπε επίσης: http://dx.doi.org/10.13140/RG.2.2.15223.21929

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. P. Kossieris, C. Makropoulos, C. Onof, and D. Koutsoyiannis, A rainfall disaggregation scheme for sub-hourly time scales: Coupling a Bartlett-Lewis based model with adjusting procedures, Journal of Hydrology, 556, 980–992, doi:10.1016/j.jhydrol.2016.07.015, 2018.

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

1. De Luca, D. L., and L. Galasso, Calibration of NSRP models from extreme value distributions, Hydrology, 6(4), 89, doi:10.3390/hydrology6040089, 2019.
2. Park, J., D. Cross, C. Onof, Y. Chen, and D. Kim, A simple scheme to adjust Poisson cluster rectangular pulse rainfall models for improved performance at sub-hourly timescales, Journal of Hydrology, 598, 126296, doi:10.1016/j.jhydrol.2021.126296, 2021.
3. De Luca, D. L., and A. Petroselli, STORAGE (STOchastic RAinfall GEnerator): A user-friendly software for generating long and high-resolution rainfall time series, Hydrology, 8(2), 76, doi:10.3390/hydrology8020076, 2021.

Κατηγορίες: Μοντέλα βροχής, Εργασίες φοιτητών