基于混合小波- arx方法的流域尺度水文气象关联建模( Modeling of Basin Scale Hydro-meteorological association by Hybrid Wavelet-ARX approach )

Mayank Suman Rajib Maity

气象与水文变量之间的相互作用（水文气象关联）由于其高度的时空变异性而具有挑战性。然而，这些水文气象关联的可靠建模有助于确保未来气候变化下的水安全，并可能降低水资源管理成本。这些联系预计将随着时间的推移而发展。因此，对气象和水文变量在其组成小波水平上的分析可能有助于建立它们之间潜在联系的模型。本文报道了最近的一项研究（Suman and Maity，2019)的研究结果，其中使用了一种基于多分辨率平稳小波变换(MRSWT)的方法将变量（目标变量：水文变量；强迫变量：气象变量）转换为其小波分量。目标变量成分的记忆采用基于核的自回归(AR)模型，预测残差采用带外生输入的自回归(ARX)模型。气象变量的MRSWT分量被认为是外源输入。对目标变量的预测分量进行逆变换，得到其预测值。利用16个预报气象变量，采用小波-ARX混合方法对Mahanadi盆地上游的月总降水量进行了预报。在水文气象变量相关性较差的情况下，观察了该模型（与其他建模框架（如ARX、Vector ARX）相比）在水文气象关联建模中的有效性。此外，利用优势分析(DARIM)和Birnbaum重要性测度(BIM)建立了模型中的相对重要性分析(RIM)框架。这些RIM框架有助于分离一组预测变量，与其他气象变量相比，这些预测变量与月总降水量有更强的水文气象联系。在此框架下，选取了水文气象关联最强的五个最重要的气象变量，并利用这五个输入对模型进行训练。结果表明，RIM框架在选择水文气象关联较强的预报因子方面的有效性，并与所选择的5个预报因子进行了相似的模式性能比较。因此，混合小波-ARX模型可以有效地建立水文气象关联模型，而RIM框架可以帮助找出水文气象关联较强的预报因子，降低建模的复杂度和计算量。该模型适用于气象强迫的提取，在气候变化的情况下是理想的。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate