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

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».