【研究故事】用2技术更准确预测干旱
干旱是世界上最令人恐惧的自然现象之一。 不仅威胁到人们的生计和生态系统，严重的情况下还会导致饥荒、流离失所和冲突。随着气候变化改变干旱的自然模式，我们预计会更频繁、更长时间、更严重地看到干旱。正因为如此，气象学上的干旱预测方法已经变得非常有价值。
根据美国国家气象局的说法，气象干旱是基于干旱或降雨不足的程度以及干旱期的长短。当长时间降雨量很少或没有降雨导致缺水时，就会发生干旱。该问题可能导致经济、社会和环境受到影响，例如农业、水资源、能源生产和其他领域。
ADVERTISEMENT
“干旱预测是一个重要的课题，在风险管理、干旱准备和缓解方面发挥着关键作用。”英迪国际大学工程与工料测量院系高级讲师慕尼尔（Md Munir Hayet Khan）博士解释，准确的预测对于减轻其影响和最大限度地减少破坏至关重要。尽管如此，干旱对受各地区的影响是不同的。
“如果我们能够提供气象干旱的准确预报，当局和公众就可以为干旱条件作好规划和准备”。
从冷岳河流域降雨站收集
在一项基于小波（Wavelet）的混合ANN-ARIMA气象干旱预测模型研究中，慕尼尔博士和另外两名研究人员分析了1986年至2016年30年的降雨数据，这些数据是从冷岳河流域周围的降雨站收集的。该研究是为了测试一种混合模型（W-2A模型）的新方法，以检验其准确预测未来干旱的能力。
据慕尼尔说，多年来人们开发了各种预测模型来预测未来的干旱。他们的最新研究发现，结合两个或多个独立模型可以成为提高干旱预测准确的有效方法，并且基于小波的混合ANN-ARIMA模型提供了更好的预测结果，可用于未来的干旱预警系统。
“我们将小波变换、整合移动平均自回归（Autoregressive Integrated Moving Average-ARIMA）和人工神经网络（Artificial Neural Network-ANN）相结合，创建了一个能够准确预测未来干旱的新混合模型（W-2A 模型）。”慕尼尔强调。
小波是一种分析时间序列数据的方法，可用于查看不同变量随时间的变化情况。ANN 通常被用于干旱预报，因为它可以管理大量数据，还可以模拟降雨、温度和其他气象变量之间的复杂关系。
另一方面，ARIMA模型是一种常用于时间序列预测的统计模型。它们对于历史数据中的趋势和模式模拟特别有用，也可用于解释季节性和其他周期性模式的影响。
慕尼尔还表示，在他们的研究中，使用标准化降水指数（Standardized Precipitation Index-SPI）和年降水标准指数（Annual Precipitation-SIAP） 干旱指数（Drought Indices – DI）来计算过去的干旱事件。
“SPI是一个全球公认的干旱指数，需要进行参数估计。同时，SIAP非常简单，不需要参数估计。”
据慕尼尔叙述，气象、水文、农业和社会经济等不同类别的干旱都有不同的指标，每个指标都有其局限。
“要跟踪干旱事件，需要准确的指数和可靠的水文气象数据。”他补充，并指出没有单一的指数可以准确描述此类事件的发生和严重程度。
也可预测洪水
他对研究达到目标表示满意。“值得一提的是，我们实现了提出一种新的混合技术的研究目标，该技术结合了小波变换、ARIMA和ANN的优势，分别使用SPI和SIAP准确预测未来的干旱。”
这一发现有望提供一个更稳健和准确的预测，并且是一种预测未来干旱状况的新方法，增加了现有知识。该模型也可用于洪水预测，因为DI可以对选定区域的潮湿条件进行分类。
需要注意的是，干旱预报是一项复杂的任务，受气候变异、土地利用和人类活动等多种因素的影响，因此完全准确地预测具有挑战。
“我相信这种新的混合模型（W-2A模型）可用于帮助农业部门、水资源管理和执法当局针对干旱的长期影响做出正确的决策和规划。”慕尼尔总结道。
更多文章： Agoda CODEGODA编码赛挑战3小时解决6算法 MYStartup Hackathon X DNB编程马拉松赛，6人用5G技术 破题赢万元 新纪元美术系毕业生，用创意与美关怀社会 与MIFFest联手推广电影创作 BMW短片奖下月1起收件 他们的心生病了，留意年轻人的呼救声 陈君敏／让绘本插上写作的翅膀 ESMOD毕业生创意作品展示才能
ADVERTISEMENT
热门新闻
百格视频
ADVERTISEMENT
