ARI is computed from frequency anal

ARI is computed from frequency analysis of historical
precipitation data by fitting the data to predefined
distribution functions. There are two basic approaches
for extreme value analysis. The first method relies on
deriving block maxima (minima) series, frequently
chosen as ‘‘annual maximum series’’ in meteorology
and hydrology applications. The generalized extreme
value distribution (GEV) is often selected to fit the
data (Hosking and Wallis 1997; Katz et al. 2002; Wilks
2011). The second method, referred to as the ‘‘peak
over threshold’’ (POT), relies on extracting the peak
values exceeding a certain threshold from a continuous
data record for a given period (Leadbetter et al. 1983;
Katz et al. 2002). The number of events and size of
exceedances could be fit with the Poisson distribution
and the generalized Pareto distribution, respectively.
Because extreme precipitation often fits these distribution
functions, hydrologists could use them to estimate
precipitation with hundreds of return years—
many times the length of data record for engineering
design (U.S. Department of the Interior Bureau of
Reclamation 1987; Koutsoyiannis and Baloutsos
2000). Some studies suggest that the POT method may
be better suited for a short data record as it could use
more data samples (Coles 2001; Hosking and Wallis
1997; Katz et al. 2002). However, the study of Endreny
and Imbeah (2009) showed that GEV distributions
could be derived reasonably with only 9 years of
TRMM 3B42 data with the assistance of some ground
station data for durations larger than 1 day. The
HDSC studies found that the best theoretical distribution
function for most regions (southern and
midwestern states, California, etc.) to represent precipitation
extremes was the 3-parameter GEV distribution
function (Bonnin et al. 2011; Perica et al. 2013).
As a starting point, we will also use the GEV distribution
for fitting the AMS from TRMM 3B42RT
data and subsequently estimate ARI based on these
distributions.

ผลลัพธ์ (ไทย) 2:

อารีย์คำนวณจากการวิเคราะห์ความถี่ของประวัติศาสตร์ข้อมูลปริมาณน้ำฝนโดยการปรับข้อมูลที่กำหนดไว้ล่วงหน้าฟังก์ชั่นการจัดจำหน่าย มีสองวิธีพื้นฐานสำหรับการวิเคราะห์ค่ามาก วิธีแรกอาศัยderiving สูงสุดบล็อก (น้อย) ชุดมักเลือกให้เป็น'' ชุดสูงสุดประจำปี '' ในอุตุนิยมวิทยาและอุทกวิทยาการใช้งาน มากโดยทั่วไปการกระจายค่า (GEV) มักจะเลือกให้เหมาะสมกับข้อมูล(ฮอสวาลลิสและ 1997; แคทซ์ et al, 2002;. วิลก์ส2011) วิธีที่สองเรียกว่า '' จุดสูงสุดข้ามธรณีประตู '' (POT) อาศัยสกัดยอดค่าเกินเกณฑ์ที่กำหนดจากอย่างต่อเนื่องการบันทึกข้อมูลสำหรับช่วงเวลาที่กำหนด(Leadbetter et al, 1983;.. แคทซ์ et al, 2002 ) จำนวนของเหตุการณ์ที่เกิดขึ้นและขนาดของexceedances อาจจะพอดีกับการกระจาย Poisson และการกระจาย Pareto ทั่วไปตามลำดับ. เนื่องจากปริมาณน้ำฝนที่รุนแรงมักจะเหมาะกับการกระจายเหล่านี้ฟังก์ชั่น hydrologists สามารถใช้พวกเขาในการประเมินปริมาณน้ำฝนที่มีหลายร้อยของการกลับมาyears- หลายครั้งความยาวของ การบันทึกข้อมูลสำหรับงานด้านวิศวกรรมการออกแบบ(สหรัฐอเมริกากรมของสำนักภายในบุกเบิก 1987; Koutsoyiannis และ Baloutsos 2000) บางการศึกษาแสดงให้เห็นว่าวิธีการ POT อาจจะดีเหมาะสำหรับบันทึกข้อมูลที่สั้นที่สุดเท่าที่มันจะใช้ตัวอย่างข้อมูลได้มากขึ้น(โคลส์ 2001 และวอลฮอส1997;. แคทซ์ et al, 2002) อย่างไรก็ตามการศึกษาของ Endreny และ Imbeah (2009) แสดงให้เห็นว่าการกระจาย GEV อาจจะมาพอสมควรมีเพียง 9 ปีTRMM 3B42 ข้อมูลด้วยความช่วยเหลือของพื้นดินบางข้อมูลสถานีสำหรับระยะเวลาขนาดใหญ่กว่า1 วัน ศึกษา HDSC พบว่าการกระจายทฤษฎีที่ดีที่สุดฟังก์ชั่นสำหรับภูมิภาค(ภาคใต้และรัฐแถบมิดเวสต์, California, ฯลฯ ) เพื่อเป็นตัวแทนของการเร่งรัดสุดขั้วเป็น3 พารามิเตอร์ GEV กระจายฟังก์ชั่น(Bonnin et al, 2011;.. Perica et al, 2013) เป็นจุดเริ่มต้นเรายังจะใช้การกระจาย GEV สำหรับเหมาะสม AMS จาก TRMM 3B42RT ข้อมูลและต่อมาประมาณอารีย์เหล่านี้ขึ้นอยู่กับการกระจาย

ผลลัพธ์ (ไทย) 3:

อารีจะคำนวณจากการวิเคราะห์ความถี่ของข้อมูลทางประวัติศาสตร์โดยการปรับข้อมูลที่กำหนดไว้ล่วงหน้า

ฟังก์ชันการแจกแจง มีสองวิธีพื้นฐานสำหรับการวิเคราะห์ค่า
ก วิธีแรกอาศัย
4 บล็อก maxima ( คำนามพหูพจน์ของ minimum ) ชุดบ่อย
'annual สูงสุดได้รับเลือกเป็น ' ชุด ' ' ในอุตุนิยมวิทยา
และอุทกวิทยาประยุกต์
มากทั่วไปการกระจายค่า ( gev ) มักจะเลือกให้พอดีกับข้อมูลและ hosking วอล
( 1997 ; Katz et al . 2002 ; วิล
2011 ) วิธีที่สอง เรียกว่า ' 'peak
ข้ามธรณีประตู ' ' ( หม้อ ) อาศัยการสกัดสูงสุด
ค่าเกินเกณฑ์บางอย่างจากอย่างต่อเนื่อง
บันทึกข้อมูลเพื่อกำหนด ( เลดเบทเทอร์ et al . 1983 ;
Katz et al . 2002 ) จำนวนของเหตุการณ์และขนาดของ
exceedances อาจจะพอดีกับการแจกแจงปัวซง
และการแจกแจงแบบพาเรโต ( .
เพราะฝนรุนแรงมักจะเหมาะกับฟังก์ชันการแจกแจง
เหล่านี้ hydrologists สามารถใช้พวกเขาเพื่อประเมิน
ฝนกับร้อยกลับปี -
หลายครั้งที่ความยาวของข้อมูลสถิติสำหรับวิศวกรรม
ออกแบบ ( สหรัฐอเมริกากรมสำนักงานตกแต่งภายใน
ถม 1987 ;และ koutsoyiannis baloutsos
2000 ) บางการศึกษาชี้ให้เห็นว่าหม้อ วิธีอาจ
น่าจะเหมาะสำหรับการบันทึกข้อมูลสั้น ๆ มันสามารถใช้
ข้อมูลเพิ่มเติมตัวอย่าง ( โคล 2001 hosking และวอลลิส
1997 ; Katz et al . 2002 ) อย่างไรก็ตาม การศึกษาและ endreny
imbeah ( 2552 ) พบว่า gev การแจกแจง
อาจจะได้พอสมควร มีเพียง 9 ปี
ข้อมูล trmm 3b42 ด้วยความช่วยเหลือของพื้นดิน
ข้อมูลสถานีสำหรับระยะเวลามากกว่า 1 วัน
hdsc การศึกษาพบว่าทฤษฎีการกระจายฟังก์ชันที่ดีที่สุดสำหรับพื้นที่มากที่สุด (

) ในภาคใต้และตะวันตก แคลิฟอร์เนีย , ฯลฯ ) เพื่อแสดงการตกตะกอน
สุดขั้วเป็นฟังก์ชั่นการกระจายฟังก์ชัน ( gev
bonnin et al . 2011 ; perica et al . 2013 .
เป็นจุดเริ่มต้น เราก็จะใช้ gev กระจาย
ชุดขนาดกลางจาก trmm 3b42rt
ข้อมูลและต่อมาประมาณอารีตามการแจกแจงเหล่านี้