Documents disponibles écrits par cet auteur

Nonlinear Modeling of El Nino/Southern Oscillation Index / Ahn, Jae Hyun in Journal of hydrologic engineering, Vol. 10, N°1 (Janvier/Fevrier 2005) 

Public ISBD [article]  in Journal of hydrologic engineering > Vol. 10, N°1 (Janvier/Fevrier 2005) . - 8-15 p. Titre : Nonlinear Modeling of El Nino/Southern Oscillation Index Titre original : Modeler Non Linéaire de l'Index Méridional d'Oscillation d'EL Nino Type de document : texte imprimé Auteurs : Ahn, Jae Hyun, Auteur ; Kim, H. S., Auteur Article en page(s) : 8-15 p. Note générale : Hydrologie Langues : Anglais (eng) Mots-clés : Nonlinear  analysis  Time  series  analysis  Auto  regressive  moving  average  model  Stochastic  models  Oscillations  Analyse  non-linéaire  Analyse  de  série  chronologique  Modèle  moyen  mobile  régressif  automatique  Modèles  stochastiques Index. décimale : 551.4 Résumé : The Southern oscillation index (SOI) series which is associated with El Nino was modeled as a linear stochastic model in the previous study. We also assume that it has a linear characteristics and is fitted to an auto regressive moving average (ARMA) type model. The Bayesian information criterion is used for determining appropriate order of ARMA 51,8; 1) is chosen for the SOI series. The Model is verified from the auto correlation function, the partial auto correlation function, and Porte Manteau test on the residuals for its validity. However, the hypothesis of randomness on the residual is rejected from a new test technique, called the Brock Dechert Scheinkman (BDS) statistic, which can detect the nonlinearity of time series that could not be determined by the conventional test techniques. This means that the ARMA model is not appropriate for the SOI series and this may be due the nonlinearity of the time series. Therefore, we assume that the SOI series may have nonlinear properties and consider nonlinear modeling for the series. We use the close returns plot for searching for chaos, which has the nonlinear deterministic characteristics of a time series and found that there is no evidence of deterministic chaos in the SOI series. Therefore, we can consider that the nonlinear stochastic models may be more valid for the SOI series. The SOI series is fitted to the autoregressive conditional hetero scedasticity type model which has a nonlinear stochasticity and the model is tested on the residuals for its validity by the BDS statistic. As a result, the fitted nonlinear stochastic model is appropriate for the modeling of the SOI series and we may conclude that the nonlinear stochastic model is more valid for the SOI time series analysis and modeling than linear stochastic analog. La série méridionale de l'index d'oscillation (SOI) qui est associée au EL Nino a été modelée car un modèle stochastique linéaire dans l'étude précédente. Nous supposons également qu'elle a des caractéristiques linéaires et est adaptée à un type régressif automatique modèle de la moyenne mobile (ARMA). Le critère bayésien de l'information est employé pour déterminer l'ordre approprié d'ARMA 51.8 ; 1) est choisi pour la série de SOI. Le modèle est vérifié de la fonction de corrélation automatique, de la fonction de corrélation automatique partielle, et de l'essai de Porte Manteau sur les résiduels pour sa validité. Cependant, l'hypothèse de l'aspect aléatoire sur le résiduel est rejetée d'une nouvelle méthode d'essai, appelée la statistique de Brock Dechert Scheinkman (BDS), qui peut détecter la non-linéarité de la série chronologique qui ne pourrait pas être déterminée par les méthodes d'essai conventionnelles. Ceci signifie que le modèle d'ARMA n'est pas approprié pour la série de SOI et ceci peut être dû la non-linéarité de la série chronologique. Par conséquent, nous supposons que la série de SOI peut avoir les propriétés non-linéaires et considérer modeler non-linéaire pour la série. Nous employons les retours étroits traçons pour rechercher le chaos, qui a les caractéristiques déterministes non-linéaires d'une série chronologique et constatées qu'il n'y a aucune évidence de chaos déterministe de la série de SOI. Par conséquent, nous pouvons considérer que les modèles stochastiques non-linéaires peuvent être plus valides pour la série de SOI. La série de SOI est adaptée au type conditionnel auto-régressif modèle de hetero scedasticité qui a un stochasticity non-linéaire et le modèle est examiné sur les résiduels pour sa validité par la statistique de BDS. En conséquence, le modèle stochastique non-linéaire adapté est approprié pour modeler de la série de SOI et nous pouvons conclure que le modèle stochastique non-linéaire est plus valide pour l'analyse de série chronologique de SOI et modeler que l'analogue stochastique linéaire. En ligne : wrr@skuniv.ac.kr, sookim@inha.ac.kr [article] Nonlinear Modeling of El Nino/Southern Oscillation Index = Modeler Non Linéaire de l'Index Méridional d'Oscillation d'EL Nino [texte imprimé] / Ahn, Jae Hyun, Auteur ; Kim, H. S., Auteur . - 8-15 p. Hydrologie Langues : Anglais (eng) in Journal of hydrologic engineering > Vol. 10, N°1 (Janvier/Fevrier 2005) . - 8-15 p. Mots-clés : Nonlinear  analysis  Time  series  analysis  Auto  regressive  moving  average  model  Stochastic  models  Oscillations  Analyse  non-linéaire  Analyse  de  série  chronologique  Modèle  moyen  mobile  régressif  automatique  Modèles  stochastiques Index. décimale : 551.4 Résumé : The Southern oscillation index (SOI) series which is associated with El Nino was modeled as a linear stochastic model in the previous study. We also assume that it has a linear characteristics and is fitted to an auto regressive moving average (ARMA) type model. The Bayesian information criterion is used for determining appropriate order of ARMA 51,8; 1) is chosen for the SOI series. The Model is verified from the auto correlation function, the partial auto correlation function, and Porte Manteau test on the residuals for its validity. However, the hypothesis of randomness on the residual is rejected from a new test technique, called the Brock Dechert Scheinkman (BDS) statistic, which can detect the nonlinearity of time series that could not be determined by the conventional test techniques. This means that the ARMA model is not appropriate for the SOI series and this may be due the nonlinearity of the time series. Therefore, we assume that the SOI series may have nonlinear properties and consider nonlinear modeling for the series. We use the close returns plot for searching for chaos, which has the nonlinear deterministic characteristics of a time series and found that there is no evidence of deterministic chaos in the SOI series. Therefore, we can consider that the nonlinear stochastic models may be more valid for the SOI series. The SOI series is fitted to the autoregressive conditional hetero scedasticity type model which has a nonlinear stochasticity and the model is tested on the residuals for its validity by the BDS statistic. As a result, the fitted nonlinear stochastic model is appropriate for the modeling of the SOI series and we may conclude that the nonlinear stochastic model is more valid for the SOI time series analysis and modeling than linear stochastic analog. La série méridionale de l'index d'oscillation (SOI) qui est associée au EL Nino a été modelée car un modèle stochastique linéaire dans l'étude précédente. Nous supposons également qu'elle a des caractéristiques linéaires et est adaptée à un type régressif automatique modèle de la moyenne mobile (ARMA). Le critère bayésien de l'information est employé pour déterminer l'ordre approprié d'ARMA 51.8 ; 1) est choisi pour la série de SOI. Le modèle est vérifié de la fonction de corrélation automatique, de la fonction de corrélation automatique partielle, et de l'essai de Porte Manteau sur les résiduels pour sa validité. Cependant, l'hypothèse de l'aspect aléatoire sur le résiduel est rejetée d'une nouvelle méthode d'essai, appelée la statistique de Brock Dechert Scheinkman (BDS), qui peut détecter la non-linéarité de la série chronologique qui ne pourrait pas être déterminée par les méthodes d'essai conventionnelles. Ceci signifie que le modèle d'ARMA n'est pas approprié pour la série de SOI et ceci peut être dû la non-linéarité de la série chronologique. Par conséquent, nous supposons que la série de SOI peut avoir les propriétés non-linéaires et considérer modeler non-linéaire pour la série. Nous employons les retours étroits traçons pour rechercher le chaos, qui a les caractéristiques déterministes non-linéaires d'une série chronologique et constatées qu'il n'y a aucune évidence de chaos déterministe de la série de SOI. Par conséquent, nous pouvons considérer que les modèles stochastiques non-linéaires peuvent être plus valides pour la série de SOI. La série de SOI est adaptée au type conditionnel auto-régressif modèle de hetero scedasticité qui a un stochasticity non-linéaire et le modèle est examiné sur les résiduels pour sa validité par la statistique de BDS. En conséquence, le modèle stochastique non-linéaire adapté est approprié pour modeler de la série de SOI et nous pouvons conclure que le modèle stochastique non-linéaire est plus valide pour l'analyse de série chronologique de SOI et modeler que l'analogue stochastique linéaire. En ligne : wrr@skuniv.ac.kr, sookim@inha.ac.kr