• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>World environmental and water resources congress >On the Use of Data Uncertainty in Hydro-climatic Modeling: a Bayesian Approach
【24h】

On the Use of Data Uncertainty in Hydro-climatic Modeling: a Bayesian Approach

机译：在水文气候模拟中使用数据不确定性：贝叶斯方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Sea surface temperature (SST) is an important link between global climate and regionalhydrology, and consequently its use is ubiquitous in statistical and physicalmodels for hydrologic prediction. Historical observations of SST are based on insitu measurements from ships and buoys. These measurements have large associateduncertainties that have been archived with the data, but are vastly ignored inthe literature either because of lack of appropriate tools or because the benefits ofengaging uncertainties are not well understood. In this study, a Bayesian frameworkis developed to incorporate data uncertainty when performing supervised(regression analysis) and unsupervised (principal component analysis) learning.The developed methods are applied to predict all Indian summer monsoon rainfall(AISMR) using SST as inputs. The benefits of engaging data uncertainties,which include better assessment of predictions skills, are discussed.
机译：海面温度（SST）是全球气候与区域气候之间的重要联系 水文学，因此在统计和物理上普遍使用 水文预测模型。 SST的历史观测基于 船舶和浮标的现场测量。这些测量具有很大的关联性 已随数据存档的不确定性，但在很大程度上被忽略 文献是由于缺乏适当的工具，还是因为 不确定的不确定性。在这项研究中，贝叶斯框架 开发用于在执行监督时合并数据不确定性 （回归分析）和无监督（主要成分分析）学习。 所开发的方法可用于预测印度夏季季风的全部降雨量 （AISMR）使用SST作为输入。进行数据不确定性的好处， 讨论了其中包括对预测技能的更好评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号