Анализ и прогноз временной изменчивости речного стока методами нелинейной динамики

• Автор: Юшкина, Ольга Александровна
• Шифр специальности: 25.00.27
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Томск
• Количество страниц: 163 с. : ил.

Среднемесячные расходы воды
3. Вторые описывают временные ряды гидрометеорологических данных осадки, испарение, сток и др. Наиболее успешным представляется комбинирование двух указанных типов моделей Виноградов, Коваленко, Гельфан, , . Динамическая, или детерминированная, модель устанавливает жесткие и однозначные связи между причинами и следствиями. Модель содержит набор задаваемых параметров коэффициентов, которые характеризуют физические свойства объекта и предполагаются известными. Эти параметры могут быть неизменными по всему бассейну модель с сосредоточенными параметрами либо изменяться в зависимости от географических координат или типа местности модель с распределенными параметрами. В диссертации для решения поставленных задач автор, опираясь, в основном, на ту информацию, которая содержится непосредственно в многолетних рядах стока в замыкающем створе речных бассейнов, ограничивается построением моделей типа черный ящик, общая схема которых показана на рис. Исследование временных рядов стока традиционно в течение многих лет осуществлялось на основе статистического подхода Рождественский, Чеботарев, Шелутко, .


А так как влияние большого числа факторов со всеми взаимосвязями между ними практически невозможно учесть с помощью детерминированных моделей, изменчивость стока исследовалась преимущественно на основе теории вероятностей и математической статистики. Стохастическая зависимость характеристик стока годового, за отдельные сезоны года, месяцы, сутки от определяющих его факторов например, осадков, испарения, температуры воздуха и т. Нели динамическая модель по известному начальному состоянию системы может однозначно предсказать всю ее дальнейшую динамику, то стохастическая закономерность имеет место, когда из начального состояния системы ее последующие состояния следуют не однозначно, а с определенной вероятностью. Например, отражающую такого рода стохастическую закономерность статистическую зависимость в простом случае можно представить линейным уравнением парной регрессии, когда фиксированным значениям аргумента сопоставляется некое среднее арифметическое условное при заданном значении аргумента значение функции. Общими недостатками этих зависимостей является потребность в больших массивах исходной информации и ограниченность теми условиями и тем диапазоном изменчивости аргументов, для которых модель построена. Стохастические модели учитывают, прежде всего, вероятностный характер моделируемых процессов. Этот класс моделей обладает признаками детерминированности в том смысле, что они тоже устанавливают связь между причиной и следствием. Однако они принимают во внимание только часть факторов, определяющих следствие функцию.