Опыт применения вероятностных подходов при прогнозировании уровенного режима реки Мармарик

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассмотрен опыт применения метода обучения искусственных нейронных сетей и других вероятностных подходов при прогнозировании уровненного режима реки Мармарик с различной заблаговременностью. Выявлено, что при долгосрочном прогнозировании уровней воды на р. Марамарик по п. Агавнадзор целесообразно ориентироваться на оценку математического ожидания случайного процесса. При краткосрочном прогнозировании уровней воды на один срок вперёд (12 часов) следует ориентироваться на значение уровня воды, приходящиеся на дату выпуска прогноза, стандартная ошибка такого прогноза составляет 5 см. Для прогноза уровня воды на 24 часа вперёд целесообразна разработка нейросетевых моделей прогнозирования с учётом развития ситуации на р. Гомрагет – п. Меградзор.

Полный текст

Доступ закрыт

Об авторах

А. Э. Сумачев

Санкт-Петербургский государственный университет

Автор, ответственный за переписку.
Email: a-sumachev@mail.ru
Россия, Санкт-Петербург

Е. В. Гайдукова

Российский государственный гидрометеорологический университет

Email: oderiut@mail.ru
Россия, Санкт-Петербург

В. Г. Маргарян

Ереванский государственный университет

Email: vmargaryan@ysu.am
Армения, Ереван

А. М. Седракян

Национальный Политехнический Университет Армении

Email: asedrakyan@seua.am
Армения, Ереван

Список литературы

  1. Маргарян В. Г., Гайдукова Е. В., Азизян Л. В., Мисакян А. Э. Особенности формирования весеннего половодья в бассейне реки Арпа // Водное хозяйство России: проблемы, технологии, управление. 2021. № 3. С. 126–152.
  2. Маргарян В. Г., Гайдукова Е. В., Азизян Л. В., Хаустов В. А. О прогнозе максимальных расходов весеннего половодья реки Арпа // Водное хозяйство России: проблемы, технологии, управление. 2022. № 3. С. 75–87. https://doi.org/10.35567/19994508_2022_3_6
  3. Георгиевский Ю. М., Шаночкин С. В. Прогнозы стока горных рек. Л.: ЛГМИ, 1987. 55 с.
  4. Христофоров А. В., Юмина Н. М., Белякова П. А. Прогноз паводкового стока рек черноморского побережья кавказа с заблаговременностью одни сутки // Вестн. Моск. ун-та. Сер. 5. География. 2015. № 3. С. 50–57.
  5. Борщ С. В., Симонов Ю. А. Оперативная система краткосрочных гидрологических прогнозов расхода воды на реках бассейна Кубани // Тр. Гидрометцентра России. 2013. Вып. 349. С. 63–87.
  6. Болтабаев В. Г., Овчинников А. М. Краткосрочные прогнозы стока горных рек методом множественной регрессии // Тр. САНИГМИ. 1970. Вып. 52 (67). С. 90–98.
  7. Мухин В. М. Методические основы физико-статистических видов краткосрочных прогнозов стока горных рек // Тр. Гидрометцентра России. 2013. Вып. 349. С. 5–46.
  8. Гайдукова Е. В., Маргарян В. Г., Винокуров И. О. и др. Прогнозирование расходов воды р. Мармарик (Армения) по уравнению кинематической волны // Гидрометеорология и экология. 2023. № 71. С. 277–292. https://doi.org/1033933/2713-3001-2023-71-277-292
  9. National Adaptation Plan to Advance Medium and Long-Term Adaptation Planning in Armenia Project “Development of Water Sector Adaptation plan in Armenia” // UNDP/GCF, Ministry of the Environment of Armenia, 2021. URL: http://www.nature-ic.am/Content/announcements/12796/WSAP_draft_report_eng.pdf (date of application: 27.08.2023).
  10. Маргарян В. Г. К оценке многолетних колебаний максимального стока реки Мармарик // Ученые записки РГГМУ. 2019. № 57. С. 22–31. https://doi.org/10.33933/2074-2762-2019-57-22-31
  11. Маргарян В. Г. Прогноз максимального стока реки Мармарик и оценка его реакции на глобальное изменение климата (Армения) // Геосферные исследования. 2019. № 4. С. 35–45. https://doi.org/10.17223/25421379/13/4
  12. Малинин В. Н. Статистические методы анализа гидрометеорологической информации. СПб.: РГГМУ, 2013. 408 с.
  13. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып. 1. М.: Издательство Мир, 1974. 198 с.
  14. Попов Е.Г. Основы гидрологических прогнозов, Л.: Гидрометиздат, 1968. 294 с.
  15. Nash J. E., Sutcliffe J. V. River flow forecasting through conceptual models part I – A discussion of principles // Journal of Hydrology. 1970. 10(3). P. 282–290.
  16. Морейдо В. М., Гарцман Б., Соломатин Д. П. и др. Возможности краткосрочного прогнозирования стока малой реки с использованием методов машинного обучения // Гидросфера. Опасные процессы и явления. 2020. Т. 2. № 4. С. 375–390.
  17. Сумачев А. Э., Мякишева Н. В., Маргарян В. Г и др. Долгосрочное прогнозирование уровней воды озера Ильмень с использованием вероятностных подходов / // Естественные и технические науки. 2021. № 6(157). С. 96–102.
  18. Электронный учебник по статистике. URL: http://statsoft.ru/home/textbook/default.htm (date of application: 05.05.2021)
  19. Сумачев А. Э., Банщикова Л. С. Ледовый режим реки Печора и особенности прогнозирования высшего уровня ледохода // Гидрометеорология и экология. 2020. № 61. С. 446–459. https://doi.org/10.33933/2074-2762-2020-61-446-459.
  20. Сумачев А. Э. Совершенствование методов прогнозирования характеристик ледового режима рек бассейнов Баренцева и Белого морей: специальность 16.16.00: диссертация на соискание ученой степени кандидата технических наук, 2022. 173 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Оценка математического ожидания (1) и стандартного отклонения (2) срочных уровней воды р. Мармарик – п. Агавнадзор за период наблюдений 2011–2022 гг.

Скачать (241KB)
Метаданные
3. Рис. 2. Изменение стандартной ошибки “природного” прогноза в зависимости от увеличения заблаговременности.

Скачать (182KB)
Метаданные
4. Рис. 3. Сравнение фактических и прогностических уровней воды с заблаговременностью один сезон при использовании модели АРПСС.

Скачать (280KB)
Метаданные
5. Рис. 4. Сравнение фактических и прогностических срочных уровней воды реки Мармарик – п. Агавнадзор за период наблюдений 2011–2022 гг.

Скачать (273KB)
Метаданные
6. Рис. 5. Фактические и прогностические высшие уровни воды за год реки Марамарик по п. Агавнадзор.

Скачать (277KB)
Метаданные

© Российская академия наук, 2024