如何获得月度流速及流水量根据物理概念之间的关系?

Question

我一直负责生成合成水流通过解集场景。

首先,我将产生50年的流速及流水量数据。为此,我可能会使用一个简单的模型AR(1)或一个ARMA(1,1)和采用一些概率参数基于流速及流水量数据我。这些数据来自于历史记录测量站。

从我每年流,我必须生成每月的河流。最后,而不是50流速及流水量实现,每一个代表每年流;我要600流水量实现,每个代表一个月流量。

现在,从年度每月的流量,我需要一个相关矩阵。

我可以估计每月相关的分析计算,从1月到12月之间的相关月度水流从一组历史的河流。

可以说,物理方面涉及(汽车)相关的隐含在数据本身。然而,这个表的数据我已经站——其他——只有一个实现的随机过程观察到水流被生成。

那么,我能丰富这每月(汽车)相关物理概念源于河流规站所在地?我应该补充的是,我的问题也适用于两个不同的时间序列之间的互相关。如何在这种情况下,我能丰富2观测时间序列之间的互相关矩阵采用物理方面?

Answer 1

一个建议生成月度流动是直接使用季节性自回归滑动平均模型(如看到的课程讲义),因为你看着ARMA模型随机生成。允许显式季节性估计参数合成生成,并让你跳过步骤的年度- - >每月,而不是从每月的月度和年度计算流系列。你可能有其他原因想要开始年度流动来验证这些第一次,但这是一个建议。

物理概念的分辨率每月流,这是难以评论不知道物理过程影响你的河流,如融雪、河冰和冻结,春季洪水,抑郁存储,等等。一个建议可以检查月度销量和峰值以及峰值的时间(如spring洪水),并确保任何合成时间序列匹配这些统计数据在一些可接受的界限,扔掉任何模拟被认为是不可接受的。

这是一个很广泛的(研究)问题,但希望给一些想法。