Un primer ejemplo está dado por una serie temporal de promedios mensuales de los caudales naturales, medidos en el período anual que va de 1931 a 2010 en la presa hidroeléctrica de Furnas, Brasil. Dos aplicaciones a conjuntos de datos reales ilustran la metodología propuesta, asumiendo que las observaciones provienen de una distribución normal, gamma o beta.
Métodos bayesianos estándares que usan MCMC (Markov Chain Monte Carlo) son usados para simular muestras de la distribución a posteriori conjunta de interés.
LOG TRANSFORMATION XLSTAT SERIES
En este artículo presentamos un nuevo enfoque de modelado para series de tiempo hidrológicas y meteorológicas asumiendo una distribución continua para los datos, donde se modelan los parámetros tanto de la media condicional como de la varianza condicional. Los modelos de series de tiempo se usan a menudo en estudios de hidrología y meteorología para modelar series de flujos a fin de hacer pronósticos y generar series sintéticas que son insumos para el análisis de sistemas complejos de recursos hídricos. Keywords: Hydrology time series Meteorological time series Conditional regression models Bayesian analysis MCMC methods These applications motivate us to introduce new classes of models to analyze hydrological and meteorological time series. A second example is given with a time series of 313 air humidity data measured in a weather station of Rio Claro, a Brazilian city located in southeastern of Brazil. A first example is given by a time series of monthly averages of natural streamflows, measured in the year period ranging from 1931 to 2010 in Furnas hydroelectric dam, Brazil. Two applications to real data sets illustrate the proposed methodology, assuming that the observations come from a normal, a gamma or a beta distribution. Bayesian methods using standard MCMC (Markov Chain Monte Carlo Methods) are used to simulate samples for the joint posterior distribution of interest. In this paper we introduce a new modeling approach for hydrologic and meteorological time series assuming a continuous distribution for the data, where both the conditional mean and conditional variance parameters are modeled. Time series models are often used in hydrology and meteorology studies to model streamflows series in order to make forecasting and generate synthetic series which are inputs for the analysis of complex water resources systems.
0 kommentar(er)
