| Titre : | Synthetic Generation of Hydrologic Time Series Based on Nonparametric Random Generation (2006) |
| Titre original : | Génération Synthétique de la Série Chronologique Hydrologique Basée sur la Génération Aléatoire non Paramétrique |
| Auteurs : | Valdés, Juan B., Auteur ; Kim Tae-Woong, Auteur |
| Type de document : | Article : texte imprimé |
| Dans : | Journal of hydrologic engineering (Vol. 10, N°5, Septembre /Octobre 2005) |
| Article en page(s) : | 395-404 p. |
| Note générale : | Hydrologie |
| Langues : | Anglais |
| Index. décimale : | 551.4 (surface du globe.Géographie physique.Géomorphologie) |
| Tags : | Hydrologic models Precipitation Temperature Time series analysis Random variables Modèles hydrologiques Analyse de série chronologique Variables aléatoires |
| Résumé : |
Synthetic hydrologic time series can be used to quantify the uncertainty of a water resources system. Conventional parametric models, such as autoregressive moving average or Markovian models, assume that the variable under consideration is Gaussian. This Assumption, however, is a short coming of parametric models and motivates the development of non parametric approaches. Nonparametric models based on a Kernel function have an innate low order structure and are restricted to highly persistent variables. This Study presented a semi nonparametric (SNP) model that takes advantage of both parametric and nonparametric models to generate monthly precipitation and temperature in the Conchos River Basin in Mexico. By adopting a consistent and robust scheme from the Markovian model and a nonparametric mechanism to generate a distribution free random component, the SNP model reliably reproduced sample properties such as mean, variance, correlation, and multimodality in the probability density function.
La série chronologique hydrologique synthétique peut être employée pour mesurer l'incertitude d'un système de ressources d'eau. Les modèles paramétriques conventionnels, tels que la moyenne mobile auto-régressive ou les modèles markoviens, supposent que la variable à l'étude est gaussienne. Cette prétention, cependant, est venir court des modèles paramétriques et motive le développement des approches non paramétriques. Les modèles non paramétriques basés sur une fonction de grain ont une basse structure innée d'ordre et sont limités aux variables fortement persistantes. Cette étude a présenté à une semi-finale le modèle (SNP) non paramétrique qui tire profit les modèles paramétriques et non paramétriques pour produire de la précipitation mensuelle et de la température dans le bassin de fleuve de Conchos au Mexique. En adoptant un arrangement cohérent et robuste du modèle markovien et d'un mécanisme non paramétrique pour produire d'un composant aléatoire de distribution librement, des propriétés sûrement reproduites témoin de modèle de SNP telles que le moyen, du désaccord, de la corrélation, et multi-modalité dans la fonction de densité de probabilité. |
| En ligne : | twkim72@hanyang.ac.kr, jvaldes@u.arizona.edu |
