A. Efstratiadis, I. Tsoukalas, and P. Kossieris, Improving hydrological model identifiability by driving calibration with stochastic inputs, Advances in Hydroinformatics: Machine Learning and Optimization for Water Resources, edited by G. A. Corzo Perez and D. P. Solomatine, doi:10.1002/9781119639268.ch2, American Geophysical Union, 2024.
[Βελτίωση προσδιοριστικότητας υδρολογικών μοντέλων καθοδηγώντας τη βαθμονόμηση με στοχαστικές εισόδους]
[doc_id=2339]
[Αγγλικά]
Για μεγάλο χρονικό διάστημα, το κλασικό πρόβλημα του προσδιορισμού της βέλτιστης δομής μοντελοποίησης και/ή παραμέτρων ακολουθούσε τον κανόνα βαθμονόμησης-επαλήθευσης, που προέρχεται από το εικονικό σχήμα διαχωρισμού του δείγματος του Vit Klemeš. Ένα κοινό χαρακτηριστικό τέτοιων προσεγγίσεων είναι η εξάρτησή τους από το μήκος και την αντιπροσωπευτικότητα των διαθέσιμων δεδομένων. Αυτό εισάγει πολλές ερωτήσεις, καθώς οι συναγόμενες παράμετροι επιλέγονται σύμφωνα με ένα συγκεκριμένο υποσύνολο (ή υποσύνολα) ιστορικών δεδομένων, ενώ τα υπόλοιπα δεδομένα χρησιμοποιούνται για επαλήθευση. Σε αυτό το πνεύμα, προτείνουμε μια εννοιολογικά απλή προσέγγιση που υπαγορεύεται από το γνωστό υπόδειγμα της στοχαστικής προσομοίωσης, το οποίο βασίζεται στην ιδέα της βαθμονόμησης μοντέλων χρησιμοποιώντας εναλλακτικά, αλλά πιθανολογικά συνεπή, συνθετικά δεδομένα. Με την αποσύνδεση αυτή, τα διαθέσιμα δεδομένα γίνονται τώρα η βάση για τη δημιουργία στοχαστικών εισροών, καθώς και για την επαλήθευση του μοντέλου και την εκτίμηση της αβεβαιότητας των παραμέτρων του. Αυτό επιτρέπει την ενσωμάτωση της στοχαστικότητας των πραγματικών διεργασιών εισόδου (βροχόπτωση, εξατμοδιαπνοή) και αποκρίσεων (απορροή), και επομένως της υδρολογικής τους αβεβαιότητας. Επιπλέον, καταλήγει σε σταθερά και στιβαρά μοντέλα, καθώς η βαθμονόμηση εκτελείται χρησιμοποιώντας αρκετά μεγάλες χρονολογικές χρονοσειρές που αναπαράγουν σημαντικές ιδιότητες, οι οποίες σχετίζονται και με το μεταβαλλόμενο κλίμα (π.χ. μακροπρόθεσμη εμμονή), που γενικά αποκρύπτονται στα μικρά ιστορικά δείγματα. Με τον παραπάνω προσδιορισμό, οι παραγόμενες παράμετροι είναι βέλτιστες όχι μόνο για το σύνολο ιστορικών δεδομένων, αλλά και για οποιαδήποτε εναλλακτική εύλογη υλοποίηση των μοντελοποιημένων διαδικασιών.
Το πλήρες κείμενο διατίθεται μόνο στο δίκτυο του ΕΜΠ λόγω νομικών περιορισμών
Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:
| 1. | D. Koutsoyiannis, and A. Economou, Evaluation of the parameterization-simulation-optimization approach for the control of reservoir systems, Water Resources Research, 39 (6), 1170, doi:10.1029/2003WR002148, 2003. |
| 2. | D. Koutsoyiannis, G. Karavokiros, A. Efstratiadis, N. Mamassis, A. Koukouvinos, and A. Christofides, A decision support system for the management of the water resource system of Athens, Physics and Chemistry of the Earth, 28 (14-15), 599–609, doi:10.1016/S1474-7065(03)00106-2, 2003. |
| 3. | A. Efstratiadis, and D. Koutsoyiannis, One decade of multiobjective calibration approaches in hydrological modelling: a review, Hydrological Sciences Journal, 55 (1), 58–78, doi:10.1080/02626660903526292, 2010. |
| 4. | I. Nalbantis, A. Efstratiadis, E. Rozos, M. Kopsiafti, and D. Koutsoyiannis, Holistic versus monomeric strategies for hydrological modelling of human-modified hydrosystems, Hydrology and Earth System Sciences, 15, 743–758, doi:10.5194/hess-15-743-2011, 2011. |
| 5. | A. Efstratiadis, New insights on model evaluation inspired by the stochastic simulation paradigm, European Geosciences Union General Assembly 2011, Geophysical Research Abstracts, Vol. 13, Vienna, 1852, European Geosciences Union, 2011. |
| 6. | D. Koutsoyiannis, Hydrology and Change, Hydrological Sciences Journal, 58 (6), 1177–1197, doi:10.1080/02626667.2013.804626, 2013. |
| 7. | A. Efstratiadis, Y. Dialynas, S. Kozanis, and D. Koutsoyiannis, A multivariate stochastic model for the generation of synthetic time series at multiple time scales reproducing long-term persistence, Environmental Modelling and Software, 62, 139–152, doi:10.1016/j.envsoft.2014.08.017, 2014. |
| 8. | A. Efstratiadis, I. Nalbantis, and D. Koutsoyiannis, Hydrological modelling of temporally-varying catchments: Facets of change and the value of information, Hydrological Sciences Journal, 60 (7-8), 1438–1461, doi:10.1080/02626667.2014.982123, 2015. |
| 9. | I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016. |
| 10. | I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018. |
| 11. | I. Tsoukalas, S.M. Papalexiou, A. Efstratiadis, and C. Makropoulos, A cautionary note on the reproduction of dependencies through linear stochastic models with non-Gaussian white noise, Water, 10 (6), 771, doi:10.3390/w10060771, 2018. |
| 12. | 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. |
| 13. | P. Kossieris, I. Tsoukalas, C. Makropoulos, and D. Savic, Simulating marginal and dependence behaviour of water demand processes at any fine time scale, Water, 11 (5), 885, doi:10.3390/w11050885, 2019. |
| 14. | D. Koutsoyiannis, Simple stochastic simulation of time irreversible and reversible processes, Hydrological Sciences Journal, 65 (4), 536–551, doi:10.1080/02626667.2019.1705302, 2020. |
| 15. | I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020. |
| 16. | V. Kourakos, A. Efstratiadis, and I. Tsoukalas, Can hydrological model identifiability be improved? Stress-testing the concept of stochastic calibration, EGU General Assembly 2021, online, EGU21-11704, doi:10.5194/egusphere-egu21-11704, European Geosciences Union, 2021. |
Κατηγορίες: Υδροπληροφορική, Υδρολογικά μοντέλα, Στοχαστική