The NSRP model is characterized by

The NSRP model is characterized by a flexible structure in which the model parameters broadly relate to underlying physical features observed in rainfall fields. The model has a total of five parameters, estimated through six sampling statistics computed from the observed data (for each month taking the rainfall seasonality into account): hourly mean, hourly and 24 h variances, lag-one autocorrelation of the daily data, and hourly and 24 h skewness. The estimation procedure of such model parameters was carried out by minimizing an objective function evaluated as a weighted sum of normalised residuals between the statistical properties of the observed time series and their theoretical expression derived from the model.
As shown by previous studies (Camici et al., 2011), the main feature of the model is its ability to preserve statistical properties of a rainfall time series over a range of time
scales. Full details of the NSRP may be found in Cowpertwait (1991). The FARIMA model, unlike classical A. Pierleoni et al. / Procedia Engineering 70 ( 2014 ) 1324 – 1333 1327 ARIMA models that are powerful tool for modelling stationary time series, is able to fit the autocorrelation function which is characterized by a slow decay suggesting the presence of long-term persistence. This dependence was detected in many time series of hydrological data and, very often, in the air temperature series (Moretti and Montanari, 2008). The procedure for the implementation of the FARIMA model is not straightforward and it firstly require to remove the seasonal component as the model is only able to simulate deseasonalized time series. Then, the model parameters are identified following the procedure suggested by Montanari et al. (1997).

ผลลัพธ์ (ไทย) 1:

รุ่น NSRP เป็นลักษณะตามโครงสร้างยืดหยุ่นซึ่งพารามิเตอร์รูปแบบทั่วไปเกี่ยวข้องกับคุณลักษณะทางกายภาพพื้นฐานในเขตฝน รูปแบบมีทั้งหมด 5 พารามิเตอร์ ประเมินถึงสถิติการสุ่มตัวอย่าง 6 จากคำนวณจากข้อมูลที่สังเกต (สำหรับแต่ละเดือนการ seasonality ฝนเข้าบัญชี): ชั่วโมงหมายถึง ผลต่างต่อชั่วโมงและ 24 ชม autocorrelation หนึ่งความล่าช้าของความเบ้การ ข้อมูล และรายชั่วโมง และ 24 ชมทุกวัน กระบวนการประมาณพารามิเตอร์แบบจำลองดังกล่าวถูกดำเนิน โดยลดฟังก์ชันวัตถุประสงค์การประเมินว่าผลรวมถ่วงน้ำหนักของค่าคงเหลือ normalised ระหว่างคุณสมบัติของชุดเวลาสังเกตสถิติและนิพจน์ของทฤษฎีมาจากแบบจำลองแสดง โดยการศึกษาก่อนหน้า (Camici et al., 2011), คุณสมบัติหลักของรูปแบบเป็นความสามารถในการรักษาคุณสมบัติทางสถิติของชุดเวลาฝนตกช่วงเวลาปรับขนาด รายละเอียดทั้งหมดของ NSRP อาจพบได้ใน Cowpertwait (1991) รุ่น FARIMA ซึ่งแตกต่างจากคลาสสิก A. Pierleoni et al. / Procedia วิศวกรรม 70 (2014) 1324 – 1333 รุ่นอา 1327 ที่มีเครื่องมือสำหรับแบบจำลองชุดเครื่องเขียนเวลา จะสามารถให้พอดีกับฟังก์ชัน autocorrelation ซึ่งโดยผุช้าที่แนะนำก็คงอยู่ระยะยาว พึ่งพานี้พบ ในหลายเวลาชุดข้อมูลอุทกวิทยา และ บ่อย ชุดอุณหภูมิอากาศ (Moretti และ Montanari, 2008) ขั้นตอนในการใช้งานของแบบจำลอง FARIMA ไม่ตรงไปตรงมา และคุณต้องการเอาคอมโพเนนต์ตามฤดูกาลเป็นแบบเฉพาะสามารถจำลองเวลา deseasonalized ชุดแรก แล้ว พารามิเตอร์แบบจำลองที่ระบุขั้นตอนที่แนะนำโดย Montanari และ al. (1997)

ผลลัพธ์ (ไทย) 2:

รูปแบบ NSRP เป็นลักษณะโครงสร้างที่ยืดหยุ่นในการที่พารามิเตอร์แบบกว้าง ๆ ที่เกี่ยวข้องกับลักษณะทางกายภาพพื้นฐานที่สังเกตในด้านปริมาณน้ำฝน รูปแบบที่มีทั้งหมดห้าพารามิเตอร์ประมาณผ่านหกสถิติการสุ่มตัวอย่างคำนวณจากข้อมูลที่สังเกต (สำหรับแต่ละเดือนการฤดูกาลปริมาณน้ำฝนเข้าบัญชี) เฉลี่ยรายชั่วโมงรายชั่วโมงและ 24 แปรปรวนชั่วโมงอัตล่าช้าหนึ่งของข้อมูลทุกวันและ ชั่วโมงและ 24 ชั่วโมงเบ้ ขั้นตอนการประมาณค่าพารามิเตอร์รุ่นดังกล่าวได้ดำเนินการโดยการลดฟังก์ชันวัตถุประสงค์การประเมินผลเป็นผลรวมถ่วงน้ำหนักของเหลือปกติระหว่างคุณสมบัติทางสถิติของอนุกรมเวลาที่สังเกตและการแสดงออกทางทฤษฎีของพวกเขามาจากรูปแบบ.
ที่แสดงโดยการศึกษาก่อนหน้า (Camici et al, . 2011),
คุณสมบัติหลักของรูปแบบที่มีความสามารถในการรักษาคุณสมบัติทางสถิติของอนุกรมเวลาเหนือศีรษะในช่วงเวลาที่เครื่องชั่งน้ำหนัก รายละเอียดทั้งหมดของ NSRP อาจพบได้ใน Cowpertwait (1991) รูปแบบ FARIMA ซึ่งแตกต่างจากคลาสสิก Pierleoni et al, / วิศวกรรม Procedia 70 (2014) 1324 - 1333 1327 รุ่น ARIMA ที่มีเครื่องมือที่มีประสิทธิภาพสำหรับการสร้างแบบจำลองอนุกรมเวลานิ่งสามารถเพื่อให้เหมาะสมกับการทำงานผิดพลาดที่สัมพันธ์ซึ่งเป็นลักษณะการสลายตัวช้าแสดงให้เห็นการปรากฏตัวของการคงอยู่ในระยะยาว การพึ่งพาอาศัยกันนี้ได้รับการตรวจพบในซีรีส์หลายครั้งของข้อมูลอุทกวิทยาและบ่อยครั้งมากในชุดอุณหภูมิอากาศ (เร็ตและ Montanari 2008) ขั้นตอนสำหรับการดำเนินงานของรูปแบบ FARIMA ที่ไม่ตรงไปตรงมาและเป็นครั้งแรกที่จะต้องเอาองค์ประกอบตามฤดูกาลเป็นแบบจำลองเป็นเพียงสามารถจำลองอนุกรมเวลา deseasonalized จากนั้นพารามิเตอร์แบบจะมีการระบุตามขั้นตอนที่แนะนำโดย Montanari et al, (1997)

ผลลัพธ์ (ไทย) 3:

การ nsrp รูปแบบเป็นลักษณะโครงสร้างที่ยืดหยุ่นซึ่งพารามิเตอร์ซึ่งเกี่ยวข้องกับลักษณะทางกายภาพพื้นฐานพบว่าปริมาณน้ำฝน ฟิลด์ รุ่นมีทั้งหมดห้าถึงหกพารามิเตอร์ ( ทดสอบจากข้อมูลตัวอย่าง ( สำหรับแต่ละเดือนพาฝนฤดูกาลนึง ) : หมายถึง รายชั่วโมง รายชั่วโมงและ 24 ชั่วโมง ความความล่าช้าของข้อมูลหนึ่งข้อมูลรายวัน และรายชั่วโมง และเบ้ 24 H . การประมาณค่าพารามิเตอร์ของแบบจำลองกระบวนการดังกล่าวกระทำโดยการลดมีฟังก์ชันวัตถุประสงค์เพื่อประเมินเป็นค่าผลรวมถ่วงน้ำหนักของผลกำไรระหว่างคุณสมบัติทางสถิติของเวลาและสังเกตชุดของทฤษฎีการแสดงออกมาจากแบบจำลอง
แสดงโดยการศึกษาก่อนหน้านี้ ( camici et al . , 2011 )คุณสมบัติหลักของแบบจำลองที่มีความสามารถในการรักษาคุณสมบัติของอนุกรมเวลาสถิติปริมาณน้ำฝนช่วงของเครื่องชั่งเวลา

รายละเอียดของ nsrp อาจพบได้ใน cowpertwait ( 1991 ) การ farima รูปแบบแตกต่างจากคลาสสิก . pierleoni et al . procedia วิศวกรรม / 70 ( 2014 ) 1 – 1333 1327 กำหนดตัวแบบที่เป็นเครื่องมือที่มีประสิทธิภาพสำหรับการนิ่งเวลาชุดสามารถใส่ฟังก์ชัน autocorrelation ซึ่งเป็นลักษณะของการแนะนำการปรากฏตัวของช้าคงอยู่ในระยะยาว การพึ่งพานี้ถูกตรวจพบในเวลาหลายชุดของข้อมูลทางอุทกวิทยาและบ่อยครั้งมากในอุณหภูมิอากาศชุด มอเร็ตติ และ Montanari , 2008 )ขั้นตอนการดําเนินงานของ farima แบบไม่ตรงไปตรงมา และก่อนอื่นต้องเอาส่วนประกอบตามฤดูกาลเป็นรูปแบบเป็นเพียงสามารถที่จะจำลอง deseasonalized เวลาชุด จากนั้นนำพารามิเตอร์ที่ระบุดังต่อไปนี้ขั้นตอนที่แนะนำโดย Montanari et al . ( 1997 )