Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: statistical hydrological model

Sortuj według:

Ogranicz wyniki do:

Zastosowanie regresji Bayesa w celu polepszenia przedziałowej prognozy wezbrania roztopowego i deszczowo-roztopowego w profilu wodowskazowym Wizna na rzece Narew

Ciupak M.

Przegląd Geofizyczny

2007

Z. 1

27-43

W artykule przedstawiono metodę wykorzystania analizy Bayesa do estymacji parametrów i hi-perparametrów regresji oraz algorytm umożliwiający prognozowanie. Obliczenia wykonano dwiema metodami: uśrednianie wiązki parametrów generowanych z rozkładów z przyszłości na podstawie rozkładów z przeszłości oraz optymalizację ujemnego logarytmu wielowymiarowego prawdopodobieństwa warunkowego. Otrzymane wyniki regresji były podstawą do obliczania prognozy przedziałowej. Zastosowana procedura służy do określenia wpływu technik analizy Bayesa na dokładność średnio-i długoterminowej przedziałowej prognozy hydrologicznej. Procedurę wykorzystującą analizę Bayesa odniesiono do prognozy przedziałowej otrzymanej na podstawie klasycznej wielorakiej regresji I rodzaju. Zastosowanie techniki estymacji parametrów regresji wpłynęło wyraźnie na zawężanie szerokości przedziałów prognozy, a tym samym na precyzję przewidywania.

The paper presents results of using Bayesian regression to improve prediction intervals for snow--melt flood. To investigation is chosen three-dimensional model of snow-melt flood in catchment Narew at Wizna gauge station. The statistical model is based on manifold regression. The flood is described by three parameters, i.e. Qmaxw - the peak of discharge, Vkulw - the volume of flood to flood crest, ThlAw - the entire time of flood to flood crest. Implementation of Bayesian approaches relays on obtaining the posterior distribution. This process often requires the integration of high-dimensional functions. Therefore in this application are realized Markov Chain Monte Carlo methods to simulate direct draws from some complex distribution. The first applied solution relays on averaging predictive distribution. This method is called Bayesian. Second solution is computing negative log likelihood function, which is the sum of the logs of likelihood of the individual residuals. This method is known as inverse modelling techniques. In this paper is described investigation of influence methods based on Bayesian analysis to appropriate prediction intervals. To comparison are chosen results forecast of intervals for three-dimensional model of manifold regression, that parameters are estimated by classical methods, by Bayesian and inverse modelling techniques. Mainly Bayesian and inverse modelling methods have the maximum values of statistical measures. The models which using the classical techniques has considerably worse out-of-sample prediction performance than the models with Bayesian and inverse modelling approaches especially for multi-dimensional models. In this case of Bayesian and inverse modelling models is obtaining less wide intervals of forecast then for models with classical methods of estimation parameters. It seems that using models with parameters obtaining by Bayesian and inverse modelling techniques is advocated for predictive intervals for snow-melt flood.