文摘

本研究的主要目标是获得一个改进的春季降水估计在当地规模,考虑Atlantic-European地区的大气环流,统计降尺度过程。首先我们有安装19站的降水数量7州的嗯。车站位于地方越过多瑙河或位于主要支流。隐状态的数量已经决定通过BIC值。NHMM已经应用然后降水发生相关信息对Atlantic-European地区大气环流。大气环流是量化的前10组件分解eof或MEOFs。的预测因素考虑CWTs SLP第一总结变量从圣言也被测试。大气预测来自SLP,位势,温度,和特定的和相对湿度为850 hPa。由于众多的分析预测,统计方法的选择基于信息内容已经实现。NHMM表演的测试显示,二和位势,850 hPa沉淀的最佳预测指标。

1。介绍

隐马尔可夫模型(HMM)第一次被描述在1)和其他一系列统计论文下半年的1960年代。最引用发表关于解决方案相关的实践和理论问题,出现嗯拉宾的应用程序(2]。虽然第一个嗯在气象中的应用,水文、或气候变化的研究相对较晚出现在1960年代之后,大量增加的调查基于拟合嗯最近指出。

考虑到降水,众所周知,代表最重要的预测在水文的研究中,我们将关注这些气象变量的建模。如果1990年代初降水建模是通过使用一个嗯,然后调查的数量建模使用嗯降水量与降水有关建模使用非均匀嗯(NHMM)通过引入大气因素作为输入增加了。大气因素(或其他指标)修改的转移矩阵,嗯,这显然建模方法现实最好的。

最早的应用嗯和NHMM生成沉淀,有描述的一个(3]。文献[4]介绍了关系的转移矩阵NHMM依赖的时间和转移矩阵的嗯是独立的。实现这一转变的变量是输入变量。所示(5),摘要都利用作为诊断和预后的工具。

关于预测NHMM(输入),他们的选择是一个相当困难的问题。因为它提出了(6)选择合适的预测在开发统计降尺度模型是至关重要的。基本的需求预测是指给定的信息可能会被统计分析主要是通过强调预测和预报值之间的相关分析。

大气字段必须过滤,以减少数据量,但同时,我们必须保持足够的信息对这些领域与降水;也就是说,我们必须过滤或压缩数据7,8]。在压缩大气变量,流通体制内在几天到一周的时间尺度和施加控制当地天气需要考虑。还研究大气变量组件作为波允许振荡现象之间的联系(9]。

NHMM过滤技术中应用中,最常用的是奇异值分解(计算)和主成分分析。Bellone et al。10)应用奇异值分解技术寻找HMM状态降水之间的关系在17个冬天在华盛顿州和大气变量由重力势在1000年和850年hPa并在1000年和850年hPa相对湿度。文献[11]介绍了NHMM模型输入的应用程序从大气环流模型(GCMs)和有限的领域模型(打)指数,量化的特征温度和湿度850 hPa。

郑和卡茨(12)显示,建模的降水和大气或海洋指数之间的关系非常重要,因为根据这个关系我们将能够估计气候变化的影响研究地区的发电能力。大气环流的建立一个分类按照研究目的,例如,大气条件的确定(循环类型)产生降水之间的一些限制,也是非常重要的获取本地和天气尺度之间的关系。

第一调查与HMM应用在多瑙河盆地低排放与大气环流类型(CWTs)在欧洲一直在13]。

方法通常应用降水降尺度的模拟技术。Cubasch et al。14)实现基于确定性类比研究产生降雨被认为是等于当天观察的观察记录的最大的相似与大规模的循环特征。一个有吸引力的技术类比水文气象研究极端事件提出了(15,16]。重采样的方法作者所呈现的历史水文气象时间序列是一种非参数方法提供机会来模拟不同的变量(多元)不同位置同时(多站点);因此,它可以模拟更长时间序列比历史记录,重新取样。

也有嗯除了降水领域的其他应用程序。在[17]作者应用研究大气流动制度和亚稳态的嗯。

在文献[18),嗯,7个州已经应用于春季在Orsova日常排放。嗯的模拟状态和大气的状态导致改善放电状态的序列信息的多瑙河盆地较低,与大气环流相关。

长期预测月度放电的多瑙河在布拉迪斯拉发获得在19),应用了两种类型的模型,一个隐马尔科夫模型来源于傅里叶级数和随机季节性自回归移动平均模型。

本文我们首先应用一个嗯每天在春季降水时间、记录19站坐落在多瑙河盆地。拟合后,嗯,下一步是NHMM引入一些大气预测的应用。该方法用于估计嗯和NHMM参数描述的是(20.- - - - - -22]。

对降水的问题建模与多站,车站之间的依赖性的问题出现了。这种依赖会影响结果在一定程度上取决于车站分布,当地的条件,分析了今年的时期。柯什纳et al。23]表明,改进的结果可以得到当你考虑discrete-valued向量时间序列数据,建模使用Chow-Liu树的扩展模型,捕捉两个跨越时间和依赖变量的依赖关系。

大气数据压缩我们使用两个已知的方法,如在EOF分解,奇异值分解(计算),循环类型,和一些新的分解等多元EOF (MEOF)几个大气的字段和一个分析MEOF同时大气的一个或多个字段和降水。这种分解MEOF包括降水场的协方差矩阵的奇异值分解技术在类似大气和降水之间的相关性信息领域也引入了为了获得预测。分析病例的EOF分解或MEOF前10主成分(颞组件的分解)。

目前研究的新颖性在于预测因子的选择,介绍了NHMM和主要的应用方法的分解MEOF大气变量与降水相关字段。

本研究具有以下结构:节中描述的数据和方法2,讨论的结果部分3在最后一段,并给出了结论。

2。材料和方法

2.1。数据

每日沉淀量弹簧段从19站(表1),可以促进多瑙河放电受到分析与1958 - 2001年大气环流。所以,在每一个44年(1958 - 2001),我们有一个时间序列的92天(3个月、4月和5月)。这一时期已被选为了使用ERA-40的大气场。降水时间序列已经从欧洲气候评估和下载数据集(ECA&D)的网站。细节给出了降水对欧洲的同质性(24]。

在大西洋上空的同一时期,欧洲(AE)地区(50°W - 40°E;30°-65°N),大气数据(ERA-40 Re-analyses)三个字段,每日海平面气压(SLP), 850 hPa位势,和特定的湿度为850 hPa,一直在考虑。

ERA-40是气象观测数据的再分析从1957年9月至2002年8月由欧洲中期天气预报中心(ECMWF)与许多机构合作25]。

对于上述地区,循环天气类型(CWT)计算从日常得到。大气环流是由十个循环量化的天气类型(CWTs;两个循环类型:气旋和反气旋,八方向类型:NE、E, SE,年代,西南,W, NW, N)给出更多的细节。13]。

一个较小的部门(E)分隔(0°-40°E;30°-65°N)除了上述领域,分析了以下日常领域:850 hPa在850 hPa温度和相对湿度。

2.2。方法

2.2.1。齐次隐马尔可夫模型(HMM)

在以下的描述嗯我们将考虑使用的符号(20.]。让是一个多变量随机向量的降水发生的网络雨电台。让我们考虑到观测值如果观察到的降水在车站和如果没有观察到任何降水。让我们以雨,隐藏的状态,和是一个值从1到吗州。我们注意到和降水发生的日常序列和降水隐状态。嗯,降水由两个假设条件独立。第一个假设是,观察过的多元降雨目前独立于所有其他变量从模型到现在,受制于天气状态在时刻,这是 第二个假设是隐藏状态的过程是一个一阶马尔可夫: 这一阶马尔可夫链是均匀的,这实际上意味着转移概率矩阵尺寸(2)不会改变。

2.2.2。非齐次隐马尔科夫模型(NHMM)

让我们考虑一个维列向量预测的一天。让我们注意到序列。

在这种情况下(2)成为 这样的隐藏状态取决于预测向量为一天和隐藏的状态值从那一天。

因此,如果转移概率矩阵不同,时间也会有所不同,这使得非齐次马尔可夫链模型(NHMM)。

这个概率是一种简单的方式来参数化 在哪里代表一个概率密度函数和给出了基线状态转移概率州。

对于一个固定数量的隐藏状态我们可以找到一个参数对一个数据集,以最好的调整根据NHMM状态序列。因此,我们搜索参数,最大化的观测数据的条件概率函数。事实上,这是一个最大似然概率应用于一组观察从过去(学习算法)。的参数,最大化, 可以通过知名Baum-Welch方法。

这个过程是迭代的病例数。为了建立最佳逼近最大似然的贝叶斯信息准则(BIC)。细节决定的过程描述的NHMM参数(21,22]。

在目前的研究中,沉淀量建模使用delta-exponentialδ函数组成的三个组件,在零和一组两个指数。估计使用多元非齐次隐马尔科夫模型进行工具箱(MVNHMM) (http://www.stat.purdue.edu/ skirshne / MVNHMM /)和细节中可以找到22]。

压缩大气领域分析了在目前的研究中我们使用主要在经验正交函数(EOF)分解为每个字段分别分析了但还在多元EOF分解(MEOF)当同时考虑两个或两个以上的字段。EOF分解,我们选择第一个10时间组件(主要components-PCs)作为预测因子。

NHMM在建模的前十个人电脑的EOF分解并分解的MEOF (SLP,位势和特定的湿度在850 hPa) Atlantic-European地区作为预测因子。结果的验证已经意识到通过对比观察与NHMM模拟的降水。因为一些不十分令人满意的结果,我们认为大气字段在一个较小的领域,我们叫(E)。这个部门是0-40°E;35 - 65°N。

我们也被选中,作为降水的预测,首先总结变量通过奇异值分解技术和预测类的形式。实验与计算只考虑第一个从SLP总结变量和位势850 hPa字段在欧洲地区。总结变量的数量需要解释相关的某些部分取决于相对大小的奇异10]。

3所示。结果与讨论

MVNHMM工具箱,两个空间模型是可用的:(a)独立的假设在每个车站,降雨独立于其他电台或(b)Chow-Liu使用树模型,空间相关性建模。我们这两种方法应用于数据,相比我们有结果拟合得到的降水从19站嗯考虑站之间的独立与结果考虑之间的依赖Chow-Liu电台通过应用算法。

100年模拟的比较,序列的44年,每年92天(春季)嗯参数考虑两种情况:电台之间的独立和依赖,导致结论依赖并不能提高结果(图1)。正如我们从图可以观察到1,结果略有不同,考虑到这一事实的计算时间的情况下考虑站之间的依赖远远大于在独立的情况下,所有的调查使用NHMM已经完成考虑站之间的独立性。

在图1直方图获得396的值,这意味着44年,每年只有90天(90天)春天时期截断,导致3960个值在10天时间。在图1,本文提出的模拟结果,系综平均在100年被认为是模拟,为了使比较观察。

虽然七个州都难以解释,这个数字的州选择考虑BIC值和先前的相关调查,七个州的多瑙河排放较低的盆地(18]。相对大量的国家帮助我们把一些州和极端水文事件在接下来的调查。降水的空间分布数量和相关的概率图中可以看到7。

颞可变性的降水场,估计与维特比算法,揭示了HMM的季节性变化。图2显示了每个州的平均绝对频率分析44年的10天。上的数据设在指示的数量从春期10天的间隔。

状态4的频率代表,嗯,最弱的降水减少的状态与对流降水增加。从3月到5月国家5代表最大的数量几乎所有多瑙河流域的变异性明显低于国家4。

与NHMM下一阶段的拟合,预测因子的选择是一个困难的问题尽可能多的调查报告。困难是在大气字段的选择和压缩数据的形态。

在目前的研究中,如图所示,我们视为预测以下大气领域:海平面气压(SLP)和四个变量850 hPa等压水平,即重力势,温度,相对湿度,特定的湿度。大气的变量字段(SLP、位势和比湿850 hPa)被认为是在两个地区(AE和更多限制1 E)。

NHMM性能测试的相关系数(表2)之间观察到的沉淀与那些从总体均获得100年为每个站模拟。

在表2之间的相关系数,观察和模拟的降水季节性意味着已经计算了44年。从这个表可以观察到的改善结果几乎所有的电台如果一个较小的部门被认为是。模型拟合很好降水数量(除了一些),它使用预测提供了位势的850 hPa和海平面气压。

图3欧洲区域,提出了分布站相关的四个因素,即得到,位势,和特定的湿度在850 hPa同时三个字段:SLP, 850 hPa位势,特定的湿度。

给出NHMM表的一些特点3。第一列表示考虑提取字段的预测(前10 pc EOF分解的或MEOF)。第二列包含前10的方差解释组件的EOF分解或MEOF,第三列显示了日志的可能性,和最后一列显示了BIC值。

考虑到BIC的价值观,最执行模型应该考虑的一个预测因子分解的前十个人电脑在MEOF,开始从协方差矩阵在850 hPa位势场和降水场同时介绍。NHMM的BIC值也显示良好的拟合与预测降水从海平面气压场。最弱的结果E部门取得了考虑特定的和相对湿度为850 hPa。这可以解释这样的事实,只有10组件减少约55%的总方差。我们可以尝试更多组件,但众所周知,预测数量的增加可以减少模型的性能。

图4礼物的结果NHMM模型性能的情况下,预测的决心,之间的协方差大气降水的字段和19站了。对时间序列长度的44岁的系数大于0.38的显著性水平1%,大于0.29显著水平的5%。从图4,我们注意到最重要的结果已经通过应用NHMM有预测的前10组件的EOF分解得到和位势850 hPa字段与沉淀值19站。考虑重力势在850 hPa预测,可以观察到一个良好的性能模型的电台纽伦堡,卢布尔雅那,萨拉热窝,Osijek,贝尔格莱德,Drobeta-Turnu塞维林Tg。喝酒,Turnu Magurele、布加勒斯特和Calarasi和相对糟糕的一个电台萨尔茨堡、格拉茨,维恩。

表4提出了预测的结果考虑首先总结变量通过奇异值分解技术,介绍了预测的结果的形式循环类型。实验与计算只考虑第一个从SLP总结变量和位势850 hPa字段在欧洲部门。第一次总结变量代表两个字段之间的相关系数最高。

第一次总结变量的比例在我们的实验中解释了相关方案得到的预测值为0.61和0.65的位势。只有第一个变量被认为是由于其他生产相关的比例小于0.21。在这种情况下,通过比较BIC值,我们也可以观察到重力势在850 hPa比得到更好的预测。但圣言的表现提出了实验不如那些考虑电脑NHMM预测。疲软的结果本研究的分析与计算相对与那些获得在其他研究10,26)可以源于这样一个事实,即降水和大气变量被认为是在太扩展空间网络。这方面也明显在当前研究的结果;即降水模拟更好的预测因素被认为是在一个有限的区域(E)。

NHMM相关验证通过考虑CWT AE部门,最好的结果是获得考虑十CWTs和降水的7个州相比,引入三种类型的循环(反气旋,气旋等)和3或4的降水。关于CWTs从表4,它必须提到,这些都是计算(13)最大化之间的关系得到和降水约25°E, 45°N(布加勒斯特站附近)。出于这个原因,必须考虑获得的结果只在车站附近的布加勒斯特站。的确,观测数据之间的相关系数值和模拟与预测CWTs NHMM引入高水平的统计学意义的站位于多瑙河下游盆地和意义减少我们离开的中心点(布加勒斯特)计算了循环类型。类分析25°E, 45°N显示显著的正(负)降雨量的相关性与气旋(反气旋)天。在夏天,降雨产生N NE和CWTs(低压/黑海),而在冬季E和SE CWTs地中海东部(低压)导致降雨的日子。西风(SW、W和NW) CWTs降雨量呈低度负相关,由于南部喀尔巴阡山分流的影响。其他地区的降水CWTs应用程序(例如,摩洛哥)在(27]。

数据5(一个),5 (b),5 (c)现在的时间演化(44岁)观察和模拟降水电台卢布尔雅那(),维恩(),Turnu Magurele ()。模拟数据代表的意思是100年44年的模拟每个序列的92天(5月1日3月31日)。

观察和模拟降水之间的quantiles-quantiles情节在车站Turnu Magurele图6,也是一个很好的两个时间序列之间的一致性。

必须提到,即使在NHMM模型性能最高,有1或2站,模拟NHMM并不令人满意。站的性能最高的NHMM(图5 (c)),观察和模拟降水之间的相关系数是0.74和0.23的最低性能的相关性(图5 (b)),一个值的统计显著性水平较低。观察和模拟降水之间的quantiles-quantiles情节表明所有站的两个时间序列之间的良好一致性,但是一个很好的适合车站高相关性(图6)。

尽管最好的结果与模型的性能取得了位势的预测为850 hPa和SLP,在下面,我们将只获得的细节与NHMM考虑拟合预测得到的这个领域方面更容易解释和模型性能相对适当的在这种情况下。车站上的分布沿多瑙河流域的降水估计NHMM有作为输入量的前十个人电脑MEOF的分解得到与降水图所示7(一)。相应的概率图7 (b)。因为19站分布在一个相对扩展区域(表1),是一个伟大的不均匀性,决定了某种难以解释的结果。然而,我们可以将状态1与相对高降水几乎在整个多瑙河盆地和国家5弱降水。其他国家表明组合之间的伟大和少量多瑙河盆地的处理在不同的区域。州3和6表明大量高等和中等盆地的发生概率和少量在较低的盆地,而状态2显示了相对高在中下游流域降水发生概率。NHMM后与七个州包括大气环流已经安装在沉淀量的信息,考试的州而言,大气复合材料取得的结果由维特比算法。

大气的情况下(复合地图)为每个状态呈现在图8。的病例数复合地图已经提出了计算表5需要状态2的值从406年到638年国家7。

海平面的大气环流类型与降水7州的解释相当好天气条件,确定降水发生在七个州。

大气7个州之间的关联(复合地图)和降水明显尤其是状态的情况下5(国家与最弱的降水)一个反气旋领域集中在罗马尼亚和扩展在整个多瑙河盆地。也为相反的状态,1和2一个气旋领域扩展的中心和东南欧洲相关联。

最可能的状态序列估计维特比算法也帮助我们重新评估转移矩阵,形成了关系(6)。

重新评估后的过渡矩阵考虑大气因素,即海平面压力,指美国持久性(沉淀状态的过渡到相同的状态),已确定以下方面:对于NHMM最大的持久性是观察到状态2 5和最弱的国家,而均匀的转移矩阵模型(HMM),没有显示,提供了最大的持久性状态4和最弱的国家3。

NHMM转移矩阵:

4所示。结论

我们建模每日降雨量19站位于多瑙河盆地在春天(1958 - 2001),通过一个隐藏的马尔可夫模型(HMM)。七个州已确定通过BIC值。由于站的不均匀分布,七个州有不同的空间结构对于降水。七个州,其中两个显示相对均匀的沉淀量对整个盆地,突出天气政权过度的条件或降水的赤字。

大气环流的影响在欧洲在多瑙河流域降水已使用NHMM调查。的预测已经选定两个等压水平:海平面(压力)和850 hPa(位势、温度、含湿量和相对湿度)。取得了EOF分解和MEOF(结合两个或两个以上的变量)和前十的主要组件(pc)作为协变量建模降水。

比较模拟结果与观测降水、最重要的结果取得了在考虑预测海平面气压场和850 hPa位势场。

复合地图与每个州代表天气情况,确定降水发生在多瑙河盆地。特别是在案件的状态定义非常少量的降水的分布,有一个反气旋领域集中在罗马尼亚和扩展整个多瑙河盆地。相反的状态,大量的降水,最高的一个气旋领域扩展的中心和东南欧洲相关联。

降水的空间分布结构的限制区域(19站)如图7可以强调首先通过选择预测,考虑的重要预测因子通过MEOF然后降尺度大规模NHMM循环的过程。

这种调查方法可以作为一个额外的工具来间接评价过剩或赤字的降水序列的一个给定的区域从模型获得/ rcm循环类型。

这些结果代表下一个调查的一个重要起点。有必要分析沉淀在一个密集的网络。此外,这些调查的结果将由极值理论,结合分析多瑙河排放获得作者以前的。

调查的结果的观测数据将会真正的帮助在全球大气环流模型/ rcm NHMM应用程序输出。统计降尺度的NHMMs也有用的工具估计水文的影响。

调查可能会延长考虑依赖与完整的连接,这意味着一个泛化NHMM [28]。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢两个匿名评论者的非常有用的建议和意见。这项研究的一部分,北约取得的项目(ESP学术用途英语。轻型导弹巡洋舰982292),另一部分是实现IS-ENES2内的项目,由欧盟第七框架计划通过合同编号。312979年。