Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Rao, A. Ramachandra
Documents disponibles écrits par cet auteur
Affiner la rechercheComparison of Hurst Exponent Estimates in Hydrometeorological Time Series / Rao, A. Ramachandra in Journal of hydrologic engineering, Vol. 4, N° 3 (Juillet 1999)
in Journal of hydrologic engineering > Vol. 4, N° 3 (Juillet 1999) . - 225-231 p.
Titre : Comparison of Hurst Exponent Estimates in Hydrometeorological Time Series Titre original : Comparaison des Evaluations d'Exposant de Hurst des Séries Chronologiques d'Hydrometeorological Type de document : texte imprimé Auteurs : Rao, A. Ramachandra, Auteur ; Bhattacharya, D., Auteur Article en page(s) : 225-231 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Exposant de Hurst Méthodes d'évaluation Gamme Hydrometeorologie Logarithme Chronologie Hydrologie Paramètre Comparaison Index. décimale : 551.4 Résumé : The Hurst exponent can be estimated by different methods. Two estimation methods are considered in this study. In the first estimate, the rescaled range of a hydrometeorological series is plotted against the lag on a logarithmic scale and the slope of the line fitted by least squares. In the second method, the Hurst exponent is estimated by characterizing the time series by a fractional Gaussian noise (FGN) model, which is a long-memory model. The FGN parameter d, which is related to the Hurst exponent, is estimated by two methods. The Hurst exponent is subsequently estimated using the relationship
h = d + o.5. The Hurst estimated based on the rescaled range is robust and is recommended for use. Estimates based on methods that charaterize the hydrologic time series by the FGN model are not robust. Hence, they are not recommended.
L'exposant de Hurst peut être estimé par différentes méthodes. Deux méthodes d'évaluation sont considérées dans cette étude. Dans la première évaluation, rescaled la gamme d'une série hydrometeorological est tracé contre le retard sur une échelle logarithmique et la pente de la ligne adaptée par des moindres carrés. Dans la deuxième méthode, l'exposant de Hurst est estimé en caractérisant la série chronologique par un modèle gaussien partiel du bruit (FGN), qui est un modèle de long-mémoire. Le paramètre d de FGN, qui est lié à l'exposant de Hurst, est estimé par deux méthodes. L'exposant de Hurst est plus tard estimé en utilisant le rapport h = d + o.5. Le Hurst a estimé basé sur rescaled la gamme est robuste et est recommandé pour l'usage. Les évaluations basées sur les méthodes qui charaterise la série chronologique hydrologique par le modèle de FGN ne sont pas robustes. Par conséquent, elles ne sont pas recommandées.[article] Comparison of Hurst Exponent Estimates in Hydrometeorological Time Series = Comparaison des Evaluations d'Exposant de Hurst des Séries Chronologiques d'Hydrometeorological [texte imprimé] / Rao, A. Ramachandra, Auteur ; Bhattacharya, D., Auteur . - 225-231 p.
Hydrologie
Langues : Anglais (eng)
in Journal of hydrologic engineering > Vol. 4, N° 3 (Juillet 1999) . - 225-231 p.
Mots-clés : Exposant de Hurst Méthodes d'évaluation Gamme Hydrometeorologie Logarithme Chronologie Hydrologie Paramètre Comparaison Index. décimale : 551.4 Résumé : The Hurst exponent can be estimated by different methods. Two estimation methods are considered in this study. In the first estimate, the rescaled range of a hydrometeorological series is plotted against the lag on a logarithmic scale and the slope of the line fitted by least squares. In the second method, the Hurst exponent is estimated by characterizing the time series by a fractional Gaussian noise (FGN) model, which is a long-memory model. The FGN parameter d, which is related to the Hurst exponent, is estimated by two methods. The Hurst exponent is subsequently estimated using the relationship
h = d + o.5. The Hurst estimated based on the rescaled range is robust and is recommended for use. Estimates based on methods that charaterize the hydrologic time series by the FGN model are not robust. Hence, they are not recommended.
L'exposant de Hurst peut être estimé par différentes méthodes. Deux méthodes d'évaluation sont considérées dans cette étude. Dans la première évaluation, rescaled la gamme d'une série hydrometeorological est tracé contre le retard sur une échelle logarithmique et la pente de la ligne adaptée par des moindres carrés. Dans la deuxième méthode, l'exposant de Hurst est estimé en caractérisant la série chronologique par un modèle gaussien partiel du bruit (FGN), qui est un modèle de long-mémoire. Le paramètre d de FGN, qui est lié à l'exposant de Hurst, est estimé par deux méthodes. L'exposant de Hurst est plus tard estimé en utilisant le rapport h = d + o.5. Le Hurst a estimé basé sur rescaled la gamme est robuste et est recommandé pour l'usage. Les évaluations basées sur les méthodes qui charaterise la série chronologique hydrologique par le modèle de FGN ne sont pas robustes. Par conséquent, elles ne sont pas recommandées.
in Journal of hydrologic engineering > Vol. 6, N° 2 (Mars/Avril 2001) . - 125-131 p.
Titre : Effect of Short-Term Memory on Hurst Phenomenon Titre original : Effet de Mémoire de Court-Limite sur le Phénomène de Hurst Type de document : texte imprimé Auteurs : Rao, A. Ramachandra, Auteur ; Bhattacharya, D., Auteur Article en page(s) : 125-131 p. Note générale : Hydrologie, Hydraulique Langues : Anglais (eng) Mots-clés : Exposant de Hurst Chronologie Hydrologie Comptabilité Mémoire Statistiques Gamme Version Evaluation Index. décimale : 551.4/620 Résumé : The Hurst exponent of hydrologic time series is investigated after accounting for the short-term memory. Different versions of the rescaled range statistic are used in this study to investigate the rescaled range characteristics of hydrologic time series. The Modified rescaled range accounts for short-term memory in a series. It is shown that, if the modified rescaled range is used, the Hurst exponent is close to 0.5 for standartized monthly series, indicating the absence of long-term memory in these series. Estimates of the Hurst exponent for annual series do not change very much when short-term memory is considered in its estimation.
L'exposant de Hurst de la série chronologique hydrologique est étudié après comptabilité pour la mémoire à court terme. Les différentes versions du rescaled la statistique de gamme sont employées dans cette étude pour étudier rescaled des caractéristiques de gamme des séries chronologiques hydrologiques. Modifié rescaled des comptes de gamme pour la mémoire à court terme d'une série. On lui montre que, si modifié rescaled la gamme est employée, l'exposant de Hurst est de près de 0.5 pour standartisation la série mensuelle, indiquant l'absence de la mémoire à long terme de ces séries. Les évaluations de l'exposant de Hurst pour la série annuelle ne changent pas beaucoup quand de la mémoire à court terme est considérée dans son évaluation.[article] Effect of Short-Term Memory on Hurst Phenomenon = Effet de Mémoire de Court-Limite sur le Phénomène de Hurst [texte imprimé] / Rao, A. Ramachandra, Auteur ; Bhattacharya, D., Auteur . - 125-131 p.
Hydrologie, Hydraulique
Langues : Anglais (eng)
in Journal of hydrologic engineering > Vol. 6, N° 2 (Mars/Avril 2001) . - 125-131 p.
Mots-clés : Exposant de Hurst Chronologie Hydrologie Comptabilité Mémoire Statistiques Gamme Version Evaluation Index. décimale : 551.4/620 Résumé : The Hurst exponent of hydrologic time series is investigated after accounting for the short-term memory. Different versions of the rescaled range statistic are used in this study to investigate the rescaled range characteristics of hydrologic time series. The Modified rescaled range accounts for short-term memory in a series. It is shown that, if the modified rescaled range is used, the Hurst exponent is close to 0.5 for standartized monthly series, indicating the absence of long-term memory in these series. Estimates of the Hurst exponent for annual series do not change very much when short-term memory is considered in its estimation.
L'exposant de Hurst de la série chronologique hydrologique est étudié après comptabilité pour la mémoire à court terme. Les différentes versions du rescaled la statistique de gamme sont employées dans cette étude pour étudier rescaled des caractéristiques de gamme des séries chronologiques hydrologiques. Modifié rescaled des comptes de gamme pour la mémoire à court terme d'une série. On lui montre que, si modifié rescaled la gamme est employée, l'exposant de Hurst est de près de 0.5 pour standartisation la série mensuelle, indiquant l'absence de la mémoire à long terme de ces séries. Les évaluations de l'exposant de Hurst pour la série annuelle ne changent pas beaucoup quand de la mémoire à court terme est considérée dans son évaluation.
in Journal of hydrologic engineering > Vol. 7, N° 2 (Mars/Avril 2002) . - 129-136 p.
Titre : Testing Hydrologic Time Series for Stationarity Titre original : Série Chronologique Hydrologique d'Essai pour Stationarité Type de document : texte imprimé Auteurs : Chen, Huey-Long, Auteur ; Rao, A. Ramachandra, Auteur Article en page(s) : 129-136 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Algorithms Time-series analysis Droughts Stationary processes Hydrology Algorithmes Analyse de série de temps Sécheresses Processus stationnaires Hydrologie Index. décimale : 551.4 Résumé : The Main objective of this study is to examine if hydrologic monthly series are stationary. A Segmentation algorithm is applied so that nonstationary series are identified and partioned into stationary segments. Four sets of hydrologic
data are analyzed, including monthly stream flow,
temperature, precipitation, and Palmer's drought severity index series. The First-order differenced standardized monthly series are also analyzed, in addition to the standardized monthly series.The Results indicate that more series of monthly stream flow and Palmer's drought severity index are identified as nonstationary than stationary, while more series of monthly temperature and precipitation are stationary. The Change points ar commonly observed during two periods, one between 1960 and 1970, and the other between 1930 and 1940. In General, standardized hydrologic monthly series, either differenced or not, are not nonstationary.
L'objectif principal de cette étude est d'examiner si les séries mensuelles hydrologiques sont stationnaires. Un algorithme de segmentation est appliqué de sorte que des séries non stationnaires soient identifiées et partioned dans des segments stationnaires. Quatre ensembles de données hydrologiques sont analysés, la série d'index de sévérité y compris l'écoulement de jet, la température, la précipitation, et sécheresse mensuels de Palmer. Le premier ordre differencié des séries mensuelles normalisées est également analysé, en plus des résultats mensuels normalisés de series indiqués que plus de séries d'index mensuel de sévérité d'écoulement de jet et de sécheresse de Palmer sont identifiées comme non stationnaires que stationnaires, alors que plus de séries de la température mensuelle et de précipitation sont stationnaires. Le changement dirige l'ar généralement observé pendant deux périodes, une entre 1960 et 1970, et l'autre entre 1930 et 1940. En général, la série mensuelle hydrologique normalisée, ou differencée ou pas, ne soyez pas non stationnaire.
En ligne : hueylong@mail.fit.edu.tw, rao@ecn.purdue.edu [article] Testing Hydrologic Time Series for Stationarity = Série Chronologique Hydrologique d'Essai pour Stationarité [texte imprimé] / Chen, Huey-Long, Auteur ; Rao, A. Ramachandra, Auteur . - 129-136 p.
Hydrologie
Langues : Anglais (eng)
in Journal of hydrologic engineering > Vol. 7, N° 2 (Mars/Avril 2002) . - 129-136 p.
Mots-clés : Algorithms Time-series analysis Droughts Stationary processes Hydrology Algorithmes Analyse de série de temps Sécheresses Processus stationnaires Hydrologie Index. décimale : 551.4 Résumé : The Main objective of this study is to examine if hydrologic monthly series are stationary. A Segmentation algorithm is applied so that nonstationary series are identified and partioned into stationary segments. Four sets of hydrologic
data are analyzed, including monthly stream flow,
temperature, precipitation, and Palmer's drought severity index series. The First-order differenced standardized monthly series are also analyzed, in addition to the standardized monthly series.The Results indicate that more series of monthly stream flow and Palmer's drought severity index are identified as nonstationary than stationary, while more series of monthly temperature and precipitation are stationary. The Change points ar commonly observed during two periods, one between 1960 and 1970, and the other between 1930 and 1940. In General, standardized hydrologic monthly series, either differenced or not, are not nonstationary.
L'objectif principal de cette étude est d'examiner si les séries mensuelles hydrologiques sont stationnaires. Un algorithme de segmentation est appliqué de sorte que des séries non stationnaires soient identifiées et partioned dans des segments stationnaires. Quatre ensembles de données hydrologiques sont analysés, la série d'index de sévérité y compris l'écoulement de jet, la température, la précipitation, et sécheresse mensuels de Palmer. Le premier ordre differencié des séries mensuelles normalisées est également analysé, en plus des résultats mensuels normalisés de series indiqués que plus de séries d'index mensuel de sévérité d'écoulement de jet et de sécheresse de Palmer sont identifiées comme non stationnaires que stationnaires, alors que plus de séries de la température mensuelle et de précipitation sont stationnaires. Le changement dirige l'ar généralement observé pendant deux périodes, une entre 1960 et 1970, et l'autre entre 1930 et 1940. En général, la série mensuelle hydrologique normalisée, ou differencée ou pas, ne soyez pas non stationnaire.
En ligne : hueylong@mail.fit.edu.tw, rao@ecn.purdue.edu
