The development of statistical rela

The development of statistical relationships between local hydroclimates and large-scale atmospheric
variables enhances the understanding of hydroclimate variability. The rainfall in the study basin (the Upper Chao
Phraya River Basin, Thailand) is influenced by the Indian Ocean and tropical Pacific Ocean atmospheric circulation.
Using correlation analysis and cross-validated multiple regression, the large-scale atmospheric variables,
such as temperature, pressure and wind, over given regions are identified. The forecasting models using atmospheric
predictors show the capability of long-lead forecasting. The modified k-nearest neighbour (k-nn) model,
which is developed using the identified predictors to forecast rainfall, and evaluated by likelihood function, shows
a long-lead forecast of monsoon rainfall at 7–9 months. The decreasing performance in forecasting dry-season
rainfall is found for both short and long lead times. The developed model also presents better performance in
forecasting pre-monsoon season rainfall in dry years compared to wet years, and vice versa for monsoon season
rainfall.

ผลลัพธ์ (ไทย) 1:

การพัฒนาทางสถิติความสัมพันธ์ ระหว่าง hydroclimates ท้องถิ่นขนาดใหญ่ และบรรยากาศตัวแปรช่วยเพิ่มความเข้าใจของความแปรผัน hydroclimate ปริมาณน้ำฝนในลุ่มน้ำศึกษา (ด้านบนเจ้าลุ่มแม่น้ำเจ้าพระยา ไทย) ได้รับอิทธิพลจากมหาสมุทรอินเดียและมหาสมุทรแปซิฟิกเขตร้อนเวียนบรรยากาศใช้การวิเคราะห์สหสัมพันธ์ และขนตรวจถดถอยหลาย ตัวแปรบรรยากาศขนาดใหญ่เช่นอุณหภูมิ ความดันลม ผ่านให้ภูมิภาคที่ระบุ โมเดลการคาดการณ์โดยใช้อากาศpredictors แสดงความสามารถในการคาดการณ์เป้าหมายยาว แบบปรับเปลี่ยน k ใกล้เพื่อนบ้าน (k-nn)ซึ่งถูกพัฒนาโดยใช้ predictors ระบุการคาดการณ์ปริมาณน้ำฝน และประเมินโอกาสฟังก์ชัน แสดงการคาดการณ์การรอคอยยาวนานของฝนมรสุมที่ 7 – 9 เดือน ประสิทธิภาพลดลงในการคาดการณ์ฤดูแห้งพบปริมาณน้ำฝนสำหรับเวลารอคอยสินค้าสั้น และยาวทั้งสอง รุ่นพัฒนาแล้วยังนำเสนอประสิทธิภาพในคาดการณ์ปริมาณน้ำฝนฤดูมรสุมก่อนแห้งปีเปรียบเทียบกับเปียกปี และในทางกลับกันมรสุมปริมาณน้ำฝน

ผลลัพธ์ (ไทย) 2:

พัฒนาความสัมพันธ์ทางสถิติระหว่าง hydroclimates ท้องถิ่นและบรรยากาศขนาดใหญ่
ตัวแปรช่วยเพิ่มความเข้าใจในความแปรปรวน hydroclimate ปริมาณน้ำฝนในอ่างศึกษา (Upper เจ้า
พระยาลุ่มน้ำประเทศไทย) ได้รับอิทธิพลจากมหาสมุทรอินเดียและมหาสมุทรแปซิฟิกเขตร้อนไหลเวียนของบรรยากาศ.
โดยใช้การวิเคราะห์ความสัมพันธ์และข้ามผ่านการตรวจสอบการถดถอยหลายตัวแปรบรรยากาศขนาดใหญ่
เช่นอุณหภูมิ, ความดันและลมกว่าภูมิภาคที่กำหนดจะมีการระบุ รูปแบบการพยากรณ์โดยใช้บรรยากาศ
ทำนายแสดงความสามารถในการคาดการณ์ตะกั่วยาว เพื่อนบ้าน k-ใกล้ที่สุดแก้ไข (K-NN) รุ่น
ที่ได้รับการพัฒนาโดยใช้ทำนายระบุในการคาดการณ์ปริมาณน้ำฝนและการประเมินโดยฟังก์ชั่นน่าจะเป็นแสดงให้เห็นถึง
การคาดการณ์ตะกั่วยาวของปริมาณน้ำฝนมรสุมที่ 7-9 เดือน ประสิทธิภาพการทำงานลดลงในการพยากรณ์แห้งฤดู
ฝนจะพบทั้งเวลานำสั้นและระยะยาว รูปแบบการพัฒนายังนำเสนอผลการดำเนินงานที่ดีขึ้นใน
การคาดการณ์ปริมาณน้ำฝนก่อนฤดูมรสุมในปีที่แห้งเมื่อเทียบกับปีที่เปียกและในทางกลับกันสำหรับฤดูมรสุม
ปริมาณน้ำฝน

ผลลัพธ์ (ไทย) 3:

การพัฒนาความสัมพันธ์ทางสถิติระหว่าง hydroclimates ท้องถิ่นและตัวแปรบรรยากาศ
ขนาดใหญ่ช่วยเพิ่มความเข้าใจของ hydroclimate ความผันแปร ปริมาณน้ำฝนในลุ่มน้ำศึกษา ( บนเชา
เจ้าพระยาพื้นที่ลุ่มน้ำ ) ได้รับอิทธิพลจากมหาสมุทรอินเดีย และมหาสมุทรแปซิฟิกเขตร้อนมหาสมุทรอากาศหมุนเวียน โดยใช้การวิเคราะห์สหสัมพันธ์ข้าม
) หลายสมการถดถอยขนาดใหญ่บรรยากาศ
, เช่น อุณหภูมิ ความดัน และให้ลมผ่านภูมิภาคระบุ ตัวแบบพยากรณ์โดยใช้บรรยากาศ
( แสดงความสามารถของตะกั่ว การพยากรณ์ระยะยาว แก้ไขละเพื่อนบ้าน ( k-nn ) รูปแบบ
ซึ่งพัฒนาขึ้นโดยใช้การระบุตัวแปรพยากรณ์ปริมาณน้ำฝน และประเมินโดยฟังก์ชันความน่าจะเป็น
, แสดงยาวนำการพยากรณ์ปริมาณฝนในฤดูมรสุมที่ 7 – 9 เดือน ลดประสิทธิภาพในการพยากรณ์ปริมาณน้ำฝนฤดูกาล
แห้ง พบได้ทั้งในระยะสั้นและระยะยาว ครั้งนำ แบบจำลองที่พัฒนาขึ้นยังแสดงประสิทธิภาพที่ดีในการพยากรณ์ปริมาณน้ำฝนในฤดูก่อนมรสุม
ปีเทียบปี เปียก แห้ง และในทางกลับกันสำหรับฝนฤดูมรสุม
.