CastaliaR: Πακέτο σε γλώσσα R για πολυμεταβλητή στοχαστική προσομοίωση σε πολλαπλές χρονικές κλίμακες

I. Tsoukalas, P. Kossieris, A. Efstratiadis, C. Makropoulos, and D. Koutsoyiannis, CastaliaR: An R package for multivariate stochastic simulation at multiple temporal scales, European Geosciences Union General Assembly 2018, Geophysical Research Abstracts, Vol. 20, Vienna, EGU2018-18433, doi:10.13140/RG.2.2.20978.81605, European Geosciences Union, 2018.

[CastaliaR: Πακέτο σε γλώσσα R για πολυμεταβλητή στοχαστική προσομοίωση σε πολλαπλές χρονικές κλίμακες]

[doc_id=1782]

[Αγγλικά]

Σε αντίθεση με τις σπουδαίες εξελίξεις των τεχνικών στοχαστικής προσομοίωσης στην υδρολογία και τη σημασία τους στη διαχείριση των υδατικών πόρων και τις μελέτες εκτίμησης της αβεβαιότητας, τα επιχειρησιακά πακέτα λογισμικού για παραγωγή συνθετικών δεδομένων είναι περιορισμένα και δύσκολα προσβάσιμα. Αυτό περιορίζει την υιοθέτησή τους σε ένα στενό κοινό, εξαιρώντας τη συντριπτική πλειονότητα των ερευνητών και ανθρώπτων της πράξης. Σε μια προσπάεθια να γυρυρώσουμε αυτό το χάσμα, εισάγουμε το πακέτο CastaliaR που συνιστά την υλοποίηση ανοιχτού κώδικα και σε περιβάλλον R μιας μεθοδολογίας αιχμής για πολυμεταβλητή στοχαστική προσομοίωση. Το υπόβαθρό του έχει θεμελιωθεί στις εργασίες των Koutsoyiannis & Manetas (1996), Koutsoyiannis (1999, 2000) και Efstratiadis et al. (2014). Συνοπτικά, το πλήρες σχήμα αναπαράγει τα στατιστικά χαρακτηριστικά των ιστορικών δεδομένων σε τρεις χρονικές κλίμαες (ετήσια, μηνιαία, ημερήσια). Η δαδικασία γέννησης βασίζεται σε μια ανέλιξη συμμετρικού κινούμενου μέσου όρου για την ετήσια κλίμακα και σε περιοδικές ανελίξεις αυτοσυνδθασποράς για τις λεπτότερες κλίμακες, ενω μια προσέγγιση Monte Carlo επιμερισμού επαναποκαθιστά τη συνέπεια μεταξύ των τριών χρονικών κλιμάκων.

PDF Πλήρες κείμενο:

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.