Поиск статей

В данной статье исследованы возможности прогнозирования расхода воды в бассейне реки Пскем на основе метеорологических данных с использованием моделей машинного обучения (ML). В статье изучены взаимосвязи между стоком реки Пскем и метеорологическими факторами на основе моделей Random Forest, XGBoost и LSTM, а их точность сравнивалась с использованием различных метрик оценки (MAE, RMSE, R² и NSE). Анализ показал, что модель Random Forest обеспечивает наилучшую точность при прогнозировании расхода воды реки Пскем. Результаты исследования свидетельствуют о том, что модели машинного обучения могут быть эффективным инструментом для предварительной оценки стока реки и управления водными ресурсами

В статье рассмотрены варианты генетического анализа стока взвешенных наносов горных рек, в частности: расчленение хронологического графика мутности речных вод; термический анализ стока взвешенных наносов рек; статистическая оценка многофакторных связей между стоком взвешенных наносов рек и природными факторами. Дана характеристика каждому варианту и указаны сферы их применения в гидрологических расчетах.

В данной статье анализирована корреляция между наблюдаемыми метеорологическими данными и данными реанализа ERA5 в бассейне реки Ахангаран. Оценка проводилась по пяти статистическим показателем в трёх ключевых категориях: величина ошибки (RMSE, МАЕ), систематическая погрешность (PBIAS) и показатели эффективности или линейной корреляции (NSE, R2). Ежемесячные данные за период 1970-2024 гг. с семи метеостанций сравнивали с соответствующими ежемесячными наборами данных ERA5 для оценки достоверности реанализа при отражении локальных метеорологических условий. Также, использовались линейные графики для визуализации временных изменений и расхождений по разным годам. Интегрируя статистический и визуальный анализ, исследование обеспечивает всестороннюю оценку применимости данных реанализа ERA 5 для гидрометеорологических исследований в регионе.