Απλός επιμερισμός με ακριβείς διαδικασίες συνόρθωσης

D. Koutsoyiannis, and A. Manetas, Simple disaggregation by accurate adjusting procedures, Water Resources Research, 32 (7), 2105–2117, doi:10.1029/96WR00488, 1996.

[Απλός επιμερισμός με ακριβείς διαδικασίες συνόρθωσης]

[doc_id=44]

[Αγγλικά]

Αναπτύσσεται μια μέθοδος πολυμεταβλητού επιμερισμού για τη στοχαστική προσομοίωση υδρολογικών μεταβλητών. Η μέθοδος βασίζεται σε τρεις απλές ιδέες που αποδείχτηκαν αποτελεσματικές: (1) Ξεκινά να χρησιμοποιεί άμεσα ένα τυπικό μοντέλο PAR(1) και κρατά το φορμαλισμό του και το σύνολο παραμέτρων του, το οποίο είναι το πιο φειδωλό (σε αριθμό παραμέτρων) μεταξύ όλων των γραμμικών στοχαστικών μοντέλων. Το μοντέλο αυτό παράγει μια σειρά τιμών των μεταβλητών χαμηλότερου επιπέδου (λεπτότερης χρονικής κλίμακας) χωρίς καμιά αναφορά στις μεταβλητές υψηλότερου επιπέδου (αραιότερης χρονικής κλίμακας). (2) Χρησιμοποιεί ακριβείς διαδικασίες συνόρθωσης προκειμένου να κατανείμει το σφάλμα της αθροιστικής ιδιότητας, δηλαδή την απόκλιση του αθροίσματος των μεταβλητών χαμηλότερου επιπέδου μιας περιόδου από την αντίστοιχη μεταβλητή υψηλότερου επιπέδου. Η ακρίβεια των διαδικασιών συνόρθωσης έγκειται στο γεγονός ότι εγγυώνται τη διατήρηση ορισμένων στατιστικών χαρακτηριστικών ή ακόμη και των πλήρων συναρτήσεων κατανομής των μεταβλητών χαμηλότερου επιπέδου. Τρεις τέτοιες διαδικασίες συνόρθωσης αναπτύσσονται και μελετώνται στην εργασία σε θεωρητικό και εμπειρικό επίπεδο. (3) Χρησιμοποιεί επαναληπτική δειγματοληψία προκειμένου να βελτιώσει την προσέγγιση άλλων στατιστικών χαρακτηριστικών που δεν διατηρούνται ακριβώς από τις συνορθωτικές διαδικασίες. Το μοντέλο, εξαιτίας του μεγάλου εύρους κατανομών που μπορεί να χειριστεί (από κωδωνοειδούς σχήματος μέχρι σχήματος J) και του πολυμεταβλητού πλαισίου του, είναι χρήσιμο για πληθώρα υδρολογικών εφαρμογών, όπως τον επιμερισμό ετήσιας βροχόπτωσης ή απορροής σε μηνιαίες ή εβδομαδιαίες ποσότητες ή τον επιμερισμό ενός επεισοδίου βροχής σε επιμέρους ποσότητες σε ωριαία ή λεπτότερη κλίμακα. Τέτοιες πραγματικές υδρολογικές εφαρμογές παρουσιάζονται στο άρθρο προκειμένου να διερευνηθούν οι επιδόσεις του μοντέλου, οι οποίες αποδεικνύονται πολύ ικανοποιητικές.

Το πλήρες κείμενο διατίθεται μόνο στο δίκτυο του ΕΜΠ λόγω νομικών περιορισμών

Βλέπε επίσης: http://dx.doi.org/10.1029/96WR00488

Σημείωση:

Η μεθοδολογία αξιοποιήθηκε στην ανάπτυξη του λογισμικού πακέτου "SIDIS"

Εργασίες μας στις οποίες αναφέρεται αυτή η εργασία:

1. Δ. Κουτσογιάννης, Μοντέλο Επιμερισμού Σημειακής Βροχόπτωσης, Διδακτορική διατριβή, 310 pages, doi:10.12681/eadd/0910, Εθνικό Μετσόβιο Πολυτεχνείο, Αθήνα, 1988.
2. D. Koutsoyiannis, and Th. Xanthopoulos, A dynamic model for short-scale rainfall disaggregation, Hydrological Sciences Journal, 35 (3), 303–322, doi:10.1080/02626669009492431, 1990.
3. D. Koutsoyiannis, A nonlinear disaggregation method with a reduced parameter set for simulation of hydrologic series, Water Resources Research, 28 (12), 3175–3191, doi:10.1029/92WR01299, 1992.
4. D. Koutsoyiannis, A stochastic disaggregation method for design storm and flood synthesis, Journal of Hydrology, 156, 193–225, doi:10.1016/0022-1694(94)90078-7, 1994.

Εργασίες μας που αναφέρονται σ' αυτή την εργασία:

1. D. Koutsoyiannis, Optimal decomposition of covariance matrices for multivariate stochastic models in hydrology, Water Resources Research, 35 (4), 1219–1229, doi:10.1029/1998WR900093, 1999.
2. D. Koutsoyiannis, A generalized mathematical framework for stochastic simulation and forecast of hydrologic time series, Water Resources Research, 36 (6), 1519–1533, doi:10.1029/2000WR900044, 2000.
3. D. Koutsoyiannis, Coupling stochastic models of different time scales, Water Resources Research, 37 (2), 379–391, doi:10.1029/2000WR900200, 2001.
4. D. Koutsoyiannis, and C. Onof, Rainfall disaggregation using adjusting procedures on a Poisson cluster model, Journal of Hydrology, 246, 109–122, 2001.
5. D. Koutsoyiannis, A. Efstratiadis, and G. Karavokiros, A decision support tool for the management of multi-reservoir systems, Journal of the American Water Resources Association, 38 (4), 945–958, doi:10.1111/j.1752-1688.2002.tb05536.x, 2002.
6. D. Koutsoyiannis, C. Onof, and H. S. Wheater, Multivariate rainfall disaggregation at a fine timescale, Water Resources Research, 39 (7), 1173, doi:10.1029/2002WR001600, 2003.
7. 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.
8. Δ. Κουτσογιάννης, και Α. Ευστρατιάδης, Εμπειρία από την ανάπτυξη συστημάτων υποστήριξης αποφάσεων για τη διαχείριση μεγάλης κλίμακας υδροσυστημάτων της Ελλάδας, Πρακτικά της Ημερίδας " Μελέτες και Έρευνες Υδατικών Πόρων στον Κυπριακό Χώρο", επιμέλεια Ε. Σιδηρόπουλος και Ι. Ιακωβίδης, Λευκωσία, 159–180, Τμήμα Αναπτύξεως Υδάτων Κύπρου, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Θεσσαλονίκη, 2003.
9. A. Efstratiadis, D. Koutsoyiannis, and D. Xenos, Minimizing water cost in the water resource management of Athens, Urban Water Journal, 1 (1), 3–15, doi:10.1080/15730620410001732099, 2004.
10. A. Langousis, and D. Koutsoyiannis, A stochastic methodology for generation of seasonal time series reproducing overyear scaling behaviour, Journal of Hydrology, 322, 138–154, 2006.
11. 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.
12. Y. Markonis, and D. Koutsoyiannis, Scale-dependence of persistence in precipitation records, Nature Climate Change, 6, 399–401, doi:10.1038/nclimate2894, 2016.
13. F. Lombardo, E. Volpi, D. Koutsoyiannis, and F. Serinaldi, A theoretically consistent stochastic cascade for temporal disaggregation of intermittent rainfall, Water Resources Research, 53 (6), 4586–4605, doi:10.1002/2017WR020529, 2017.
14. I. Tsoukalas, C. Makropoulos, and A. Efstratiadis, Stochastic simulation of periodic processes with arbitrary marginal distributions, 15th International Conference on Environmental Science and Technology (CEST2017), Rhodes, Global Network on Environmental Science and Technology, 2017.
15. 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.
16. P. Dimitriadis, and D. Koutsoyiannis, Stochastic synthesis approximating any process dependence and distribution, Stochastic Environmental Research & Risk Assessment, 32 (6), 1493–1515, doi:10.1007/s00477-018-1540-2, 2018.
17. 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.
18. 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.
19. I. Tsoukalas, C. Makropoulos, and D. Koutsoyiannis, Simulation of stochastic processes exhibiting any-range dependence and arbitrary marginal distributions, Water Resources Research, 54 (11), 9484–9513, doi:10.1029/2017WR022462, 2018.
20. 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.

Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

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

1. Kumar, D.N., U. Lall and M. R. Petersen, Multisite Disaggregation of Monthly to Daily Streamflow, Water Resources Research, 36(7), 1823-1833, 2000.
2. Gudmundsson, G., Estimation of continuous flows from observed aggregates, Journal of the Royal Statistical Society Series D-The Statistician, 50, 285-293, Part 3, 2001.
3. #Xenos, D., C. Karopoulos and E. Parlis, Modern confrontation of the management of Athens' water supply system, Proc. 7th Conference on Environmental Science and Technology, Syros, Greece, 952-958, 2001.
4. Sharma A., and R. O'Neill, A nonparametric approach for representing interannual dependence in monthly streamflow sequences, Water Resources Research, 38 (7), art. no. 1100, 2002.
5. Kandel,D.D., A.W. Western, R.B. Grayson and H.N. Turra, Process parameterization and temporal scaling in surface runoff and erosion modelling, Hydrological Processs, 18 (8), 1423-1446, 2004.
6. Srinivas, V.V., and K. Srinivasan, Hybrid moving block bootstrap for stochastic simulation of multi-site multi-season streamflows, Journal of Hydrology, 302(1-4), 307-330, 2005.
7. #Loucks, D.P., E. van Beek, J.R. Stedinger, J.P.M. Dijkman and M.T. Villars, Water Resources Systems Planning and Management: An Introduction to Methods, Models and Applications, UNESCO, 2005.
8. Mohymont, B., and G.R. Demaree, Intensity-duration-frequency curves for precipitation at Yangambi, Congo, derived by means of various models of Montana type, Hydrological Sciences Journal, 51 (2), 239-253, 2006.
9. Srikanthan, R., A. Sharma and T.A. McMahon, Comparison of two nonparametric alternatives for stochastic generation of monthly rainfall, Journal of Hydrologic Engineering, 11(3), 2006.
10. Srinivas, V.V., and K. Srinivasan, Hybrid matched-block bootstrap for stochastic simulation of multiseason streamflows, Journal of Hydrology, 329(1-2), 2006.
11. Wu, S.-J., Y.-K. Tung and J.-C. Yang, Stochastic generation of hourly rainstorm events, Stochastic Environmental Research and Risk Assessment, 21(2), 195-212, 2006.
12. Debele, B., R. Srinivasan and J. Yves Parlange, Accuracy evaluation of weather data generation and disaggregation methods at finer timescales, Advances in Water Resources, 30(5), 1286-1300, 2007.
13. Prairie, J., B. Rajagopalan, U. Lall and T. Fulp, A stochastic nonparametric technique for space-time disaggregation of streamflows, Water Resources Research, 43(3), W03432, 2007.
14. Prairie, J.R., and B. Rajagopalan, A basin wide stochastic salinity model, Journal of Hydrology, 344(1-2), 43-54, 2007.
15. Wang, Q.J., and R.J. Nathan, A method for coupling daily and monthly time scales in stochastic generation of rainfall series, Journal of Hydrology, 346(3-4), 122-130, 2007.
16. Prairie, J., K. Nowak, B. Rajagopalan, U. Lall and T. Fulp, A stochastic nonparametric approach for streamflow generation combining observational and paleoreconstructed data, Water Resources Research, 44 (6), W06423, 2008.
17. Salas, J. D., and T. Lee, Nonparametric simulation of single-site seasonal streamflows, Journal of Hydrologic Engineering, 15 (4), 284-296, 2010.
18. #Ortiz, E., and E. Todini, Acople modelos numéricos de tiempo (NWP) a modelos hidrológicos distribuidos. Sistema de predicciones hidrometeorológicas en tiempo real en las cuencas de Galicia Costa. El sistema ARTEMIS, “Meteorología y Energías Renovables ”. XXXI Jornadas Científicas de la Asociación Meteorológica Española, 2010.
19. Lee, T., J. D. Salas, and J. Prairie, An enhanced nonparametric streamflow disaggregation model with genetic algorithm, Water Resour. Res., 46, W08545, doi:10.1029/2009WR007761, 2010.
20. Hao, Z., and V. P. Singh, Single-site monthly streamflow simulation using entropy theory, Water Resour. Res., 47, W09528, doi: 10.1029/2010WR010208, 2011.
21. Lu, B. H., H. H. Gu, Z. Y. Xie, J. F. Liu, L. J. Ma and W. X. Lu, Stochastic simulation for determining the design flood of cascade reservoir systems, Hydrology Research, 43 (1-2), 54-63, 2012.
22. Hidayah, E., Implementing of temporal rainfall disaggregation model using Bayesian PAR1 model combined with adjusting and filtering procedure in Sampean catchments area, Journal of Applied Sciences Research, 8 (1), 314-320, 2012.
23. Astutik, S., N. Iriawan, G. Nair and S. Suhartono, Bayesian state space modeling for spatio-temporal rainfall disaggregation, International Journal of Applied Mathematics and Statistics, 37 (7), 26-37, 2013.
24. Hao, Z., and V. P. Singh, Modeling multi-site streamflow dependence with maximum entropy copula, Water Resources Research, 10.1002/wrcr.20523, 2013.
25. You, G. J.-Y. B.-H. Thum and F.-H. Lin, The examination of reproducibility in hydro-ecological characteristics by daily synthetic flow models, Journal of Hydrology, 511, 904-919, 2014.
26. Villani, V., D. Di Serafino, G., Rianna, and P. Mercogliano, Stochastic models for the disaggregation of precipitation time series on sub-daily scale: identification of parameters by global optimization, CMCC Research Paper, RP0256, 2015.

Κατηγορίες: Στοχαστικός επιμερισμός, Στοχαστική