HYBRIDNÍ STOCHASTICKÝ PŘEDPOVĚDNÍ MODEL PRO NÁDRŽ

FORECASTING STOCHASTIC HYBRID MODEL FOR RESERVOIR

článek ve sborníku ve WoS nebo Scopus

čeština

Výhodou stochastické předpovědi je vějíř budoucích možných hodnot, který deterministická předpověď není schopná poskytnout. Budoucí průběh náhodných procesů he popsán mnohem lépe stochastickou než deterministickou (jedna hodnota) předpovědí. Mezi náhodné procesy můžeme zařadit průtok vody v měrném profilu. Článek popisuje sestavení předpovědního stochastického modelu pro řízení zásobní funkce nádrže. Hybridní model je přechod mezi zonálními modely a klasickými autoregresními modely. Hodnoty předpovědí jsou lineární kombinací předchozích hodnot, autoregresních koeficientů a náhodných čísel. Korelační matice je sestavena pouze z dat připadajících do aktivních zón. Autoregresní koeficienty jsou získány pomocí Yule-Walkerových rovnic (Yule, Walker, 1927, 1931). Data byla zbavena asymetrie pomocí Box-Cox pravidla (Box, Cox, 1964). V následujícím kroku byla převedena na normované normální rozdělení. Data byla průměrné měsíční průtoky a předpověď je rekurentní. Výstupy hybridního modelu byly porovnávány s reálnou průtokovou řadou pomocí histogramů. Model poskytoval dobré výsledky v suchých obdobích, a proto byl připuštěn k řízení zásobní funkce nádrže. Výsledky řízení nádrže pomocí hybridního předpovědního modelu byly horší než výsledky řízení při použití zonálního modelu.

The main advantage of stochastic forecasting is fan of possible value, which deterministic method of forecasting could not give us. Future development of random process is described much better by stochastic then deterministic forecasting. We can categorize discharge in measurement profile as random process. Contents of article are development of forecasting model for managed large open water reservoir with supply function. Model is based on hybrid autoregressive model, which forecasting values of average monthly flow from linear combination previous values of average monthly flow, autoregressive coefficients and random numbers. Matrix of correlation was assembled only from data belonging to matching zone. Autoregressive coefficient was calculated from Yule-Walker equations (Yule, Walker, 1927, 1931). Data was got rid of asymmetry with help of Box-Cox rule (Box, Cox, 1964). In next step were data transform to standard normal distribution. Our data were with monthly step and forecasting was recurrent. Outputs of model were compared with real flow series. For comparison between real flow series (100% successfully of forecast) and forecasts, we used histogram. Results were statistically evaluated on monthly level. Due to good results in drought periods was model tested for managed large open water reservoir with supply function. The Result was much worse than results from zone forecasting stochastic models.

Stochastický, předpověď, průměrný měsíční průtok, zóny

Stochastic, forecasting, average monthly flow, zone

KOZEL, T.

26. 1. 2017

Vysoké učení technické v Brně

Brno

978-80-214-5473-6

Sborník abstraktů Juniorstav 2017

170

177

7