Work

Stochasticity, nonlinearity and forecasting of streamflow processes

Year: 2006
Type: dissertation
Abstract: Streamflow forecasting is of great importance to water resources management and flood defence.On the other hand, a better understanding of the streamflow process is fundamental for improving the skill of streamflow forecasting.The methods for forecasting streamflows may fall into two general classes: process-driven methods and data-driven methods.Equivalently, methods for understanding streamflow processes may also be broken into two categories: physically-based methods and mathematically-based methods.This thesis focuses on using mathematically-based methods to analyze stochasticity and nonlinearity of streamflow processes based on univariate historic streamflow records, and presents data-driven models that are also mainly based on univariate streamflow time series.Six streamflow processes of five rivers in different geological regions are investigated for stochasticity and nonlinearity at several characteristic timescales (i.e., one day, one month, 1/3 month, and one year).But only the streamflows of the upper Yellow River in northern China are considered for forecasting.Firstly, several important aspects of the stochasticity, including trend, seasonality, stationarity, and long-memory, are examined in this study.x SamenvattingHet voorspellen van rivierafvoeren is van groot belang voor watermanagement en hoogwaterbestrijding. Omgekeerd is een betere doorgronding van het afvoerhydrologisch proces fundamenteel om voorspellingen te verbeteren.Methoden voor het voorspellen van rivierafvoeren kunnen in twee klassen worden ingedeeld: procesgeoriënteerde en datageoriënteerde methoden.Analoog hieraan kunnen in het hydrologische proces ook twee categorieën onderscheiden worden, namelijk fysische methoden en statistische methoden.Dit proefschrift maakt voornamelijk gebruik van statistische methoden voor analyse van stochastische en niet-lineaire effecten van hydrologische processen gebaseerd op univariate afvoergegevens, en presenteert datageoriënteerde modellen die tevens voornamelijk gebruik maken van univariate afvoergegevens.Zes hydrologische processen van vijf rivieren in verschillende geologische gebieden zijn stochastisch en niet-lineair onderzocht bij verschillende tijdschalen (per dag, maand, ⅓ maand en een jaar).Betreffende het voorspellen is alleen de afvoer van de Gele rivier in Noord China beschouwd.Als eerste zijn in deze studie de verscheidene belangrijke aspecten van de stochasticiteit, inclusief trends, seizoensinvloeden, stationairiteit, en lange termijn aspecten onderzocht.In de context van globale opwarming van de aarde, is op dit moment de impact ervan op het hydrologische proces een belangrijk onderwerp.De analyse van twee afvoerprocessen van de Gele rivier laten zien dat er geen verandering is in het gemiddelde jaarlijkse afvoerproces van de bovenloop bij Tangnaihai van 1956 tot 2000, terwijl het afvoerproces waargenomen bij Tongguan in het midden van het stroomgebied een significante afnemende trend laat zien.Er is geen significante daling gevonden in de neerslag, aan de andere kant wordt er gevonden dat, hoe meer benedenstroom van de Gele rivier, hoe duidelijker de neerwaartse trend wordt.Dit duidt erop dat de impact van de klimaatverandering op het rivierafvoerproces van de Gele rivier veel minder significant is dan antropogene invloeden.Stationairiteit is vereist voor het maken van vele typen modellen en voor de applicatie van vele data analyse technieken.In deze studie de ADF eenheidswortel test (Dickey en Fuller, 1979; Said en Dickey, 1984) en de KPSS test (Kwiatkowski et al., 1992), die afstammen uit de econometrie, zijn geïntroduceerd als test voor niet stationairiteit van hydrologische tijdreeksen.Gevonden is dat hoe kleiner de tijdsschaal van het afvoerproces is des te meer instationairiteit er optreedt.Seizoensinvloeden zijn een algemeen kenmerk van hydrologische tijdswaarnemingen.Voorafgaand aan modellering van een tijdswaarneming, is het gebruikelijk om de hydrologische gegevens te ontdoen van seizoensinvloeden door de seizoensgemiddelden af te trekken en te delen door de standaarddeviatie van de seizoenen.Aangetoond is dat deze procedure de seizoensafhankelijkheid van het gemiddelde en variantie kan verwijderen, maar niet de seizoensinvloed van de autocorrelatie. Samenvatting xiVele studies hebben aangetoond dat vele hydrologische processen, in het bijzonder rivierafvoer processen, langere termijn eigenschappen hebben.Dit is eveneens in deze studie bevestigd.Voorts laat onderzoek naar de langere termijnverschijnselen in rivierafvoer processen bij verschillende tijdschalen zien dat bij toename van de tijdsschaal de intensiteit van de langere termijn afneemt.Volgens onderhavige testresultaten kan in het algemeen gesteld worden dat alle dagafvoeren sterke langere termijnverschijnselen vertonen; ⅓ maandelijkse afvoerwaardes mogen als zwakke langere termijn processen worden beschouwd; maandelijkse waardes mogen als korte termijn processen of hoogstens als zeer zwakke langere termijn processen beschouwd worden.Als tweede is de niet-lineairiteit van het afvoerproces onderzocht.Het is algemeen geaccepteerd dat stroomgebieden niet-lineair zijn.Als gevolg hiervan is de uitvoer van rivierafvoer processen eveneens niet-lineair.Maar er zijn geen algemeen acceptabele methoden om de graad van niet-lineairiteit vast te stellen.Nog minder geaccepteerd en zelfs controversieel is de oorzaak of de bron van de niet-lineairiteit, zoals of het hydrologische proces een deterministisch chaotisch proces is of niet.In deze studie zijn naast algemene nietlineairiteit twee speciale types in dieper detail bestudeerd, namelijk conditionele heteroskedasticiteit en chaos.De BDS onderzoeksmethode (Brock et al., 1996) is geïntroduceerd als test voor de existentie van niet-lineairiteit in afvoer processen.Gevonden is dat hoe korter de tijdschaal, des te sterker de niet-lineairiteit is.Alle jaarwaarnemingen zijn lineair, echter alle dagelijkse afvoerprocessen zijn sterk niet-lineair.Naast goedherkenbare fysische bronnen zoals de mechanismen die bepalend zijn voor de regenwaterafvoer modellering, kunnen sommige andere bronnen geïdentificeerd worden gezien vanuit afvoertijdswaarnemeningen zelf.A-symmetrische seizoensinvloeden in het gemiddelde en variantie van ruwe (of log-getransformeerde) afvoerprocessen en de seizoensinvloed in de variantie van pre-whitened rivierafvoer processen (zoals residuele waarden) spelen een belangrijke rol in het vaststellen van niet-lineairiteit.De graad van instationairiteit heeft een significante invloed op het niet-linieairiteitsonderzoek.Nietstationairiteit of stationairiteit van laag significantieniveau kunnen aanleiding geven tot positieve resultaten (namelijk het bestaan van niet-lineairiteit) in niet-linieaire onderzoeken.De conditionele heteroskedasticiteit is een belangrijke bron voor het niet-lineaire afvoerproces, zoals het langere termijnproces is als het eveneens beschouwd wordt als een niet-lineair type.Het bestaan van de conditionele heteroskedasticiteit is gevonden in de residuele waarnemingen van lineaire modellen, vertaald naar dagelijkse en maandelijkse afvoerprocessen van de bovenloop van de Gele rivier.Gebleken is dat het ARCH-effect volledig veroorzaakt wordt door seizoensvariatie in de variantie van maandsafvoeren, maar dat dit slechts deels het ARCH-effect van dagelijkse afvoer verklaard.Ter bepaling van het ARCH-effect in de dagelijkse afvoerprocessen om zo een verbetering van onzekerheden te schatten, is het ARMA-GARCH foutenmodel met seizoensstandaarddeviaties voorgesteld, waarin het ARMA model is gebruikt ter modellering van het gemiddelde gedrag en het GARCH model ter bepaling van het ARCH effect in het residu van het ARMA model.Of hydrologische processen nu wel of niet deterministisch chaotische processen zijn, is een breed beschouwd en vrij controversieel onderwerp het laatste decennium.In deze studie is met de exponent correlatie methode geen eindige correlatie dimensie gevonden voor alle afvoerwaarnemingen.Daar de existentie van eindige correlatie dimensie kritisch is voor het verifiëren van existentie van chaos, terwijl niet-lineair gedrag lijkt op te treden met xii Samenvatting verschillende intensiteit bij verschillende tijdsschalen, lijkt de dynamica niet gecombineerd te kunnen worden met de aanwezige lage dimensionale chaos.Zelfs als er bewijs gevonden kon worden voor de existentie van chaos in de tijdreeksen, betekent het niet direct determinisme.Experimenten met drie goed bekende chaotische systemen (bijv.Henon map, Ikeda map, Discretized Mackey-Glass stroming) laten zien dat chaos stochastisch zou kunnen zijn.Als derde is in deze studie het onderwerp van afvoervoorspelling gekoppeld aan de datageoriënteerde methoden.Voor het voorspellen van afvoerprocessen zijn zowel het voorspelmodel (of methode) als uitgevoerde metingen nodig.Een aangepaste seizoensvoorspeller SACE is voorgesteld voor het meten in hoeverre de voorspellingen van een model beter zijn dan de seizoensgemiddelde waarden, ten opzichte van de overall gemiddelde waarde die gemeten is met het populaire schattingsmodel Coëfficiënt van Efficiëntie (CE).De SACE maat is beter geschikt dan de CE voor evaluatie van seizoensprocessen.Twee groepen van datageoriënteerde modellen zijn gebruikt voor voorspelling van dagelijkse afvoeren in de studie: 1) ARMA-type modellen, inclusief het ARMA(20,1) model, het ARFIMA(7,d,0) model, en het periodiek AR (PAR) model; en 2) de ANN-type modellen, inclusief de normaal multi-lagen perceptron (MLP) ANN model, het clustergebaseerde ANN model, het drempelgebaseerde ANN model, het periodiekengebaseerde ANN model (of periodiek ANN model, PANN) en hun variaties (zoals
Author: Wen Wang
Language: English
Open Access status: green
OpenAlex ID: W1905338218
Cites: 345
Cited by: 85
Related to: 10