Гидрологические прогнозы - один из основных разделов прикладной гидрологии. В задачу гидрологических прогнозов, как научной дисциплины входят разработка методов предвычисления, позволяющих заранее определять развитие процессов и явлений, происходящих в реках, озерах и других водных объектах, на основе данных гидрометеорологических наблюдений. Гидрологические прогнозы заключаются в предвычислении с различной заблаговременностью и степенью точности того или иного элемента режима или явления, основанном на знании закономерностей развития гидрометеорологических процессов, определяющих это явление в конкретных условиях данной реки, озера или водохранилища.
Логистическая регрессия - это метод классификации, используемый для прогнозирования значения категориальной зависимой переменной на основе связи с одной или несколькими независимыми переменными, которые предположительно имеют логистическое распределение. В данном исследовании мы ищем корреляцию между расходами и метеорологическими характеристиками.
Работа посвящена исследованию возможности применения логистической регрессии в гидрологических прогнозах. Метод логистической регрессии происходит из смежных с гидрологией наук, обычно он не используется для прогнозирования гидрологических явлений. Актуальность работы в том, чтобы использовать новый метод и провести оценку его эффективности.
Для исследования была набрана база данных из метеорологических и гидрологических характеристик по р. Самур.
Главной задачей исследования является расчет коэффициентов регрессии и свободного члена для весеннего половодья и дождевого паводка за два года, а также объединенных за два года данных для весеннего половодья и дождевого паводка, чтобы далее провести прогноз на независимом материале.
Работа состоит из четырех глав, введения и заключения. Первая глава будет посвящена физико-географическому положению р. Самур. Вторая глава - теории множественных регрессий. Главы три и четыре посвящены расчетам уравнения регрессии и коэффициента корреляции Спирмана. В заключении в обобщенном виде представлены результаты проведенного исследования.
В ходе исследования изучались возможности применения логистической регрессии в гидрологических прогнозах. Для исследования была набрана база данных из метеорологических и гидрологических характеристик по р. Самур за 2013—2015 годы.
Метод логистической регрессии, применявшийся в работе, обычно не используется для прогнозирования гидрологических явлений, что повысило актуальность работы, поскольку изучалась возможность использования нового для гидрологии метода и его эффективность.
Главной задачей исследования был расчёт коэффициентов регрессии и свободного члена для весеннего половодья и дождевого паводка за два года, а также объединенных за два года данных для весеннего половодья и дождевого паводка. После этого было проведено прогнозирование на независимом материале и были сделаны нижележащие выводы.
Метод логистической регрессии для гидрологических прогнозов является подходящим для предсказания, только если предыдущие годы схожи с предсказываемыми.
Весеннее половодье 2013 и 2014 года являются схожими с половодьем 2015 года, поэтому методика предсказания, основанная на уравнении регрессии, является эффективной в данном конкретном случае. Однако дождевые паводки 2013 и 2014 года не схожи с 2015 годом, где методика показала себя не эффективной.
Если расширить базу данных на большее число лет, тогда можно будет найти аналог прогнозируемого года и использовать методику более эффективно.
Применение в исследовании метода ранговой корреляции можно считать успешным, так как значения корреляции между расходами и количеством облаков при предельном значении в 0,8 является равным 0,77; значение корреляции между расходами воды и направлениями ветра является равным 0,56, что тоже близко к предельному значению 0,8.
1. Analysing effects of meteorological variables on weather codes by logistic regression
Ссылка: https: //www.cambridge. org/core/j ournals/meteorological- applications/article/abs/analysing-effects-of-meteorological-variables-on-weather- codes-by-logistic-regression/B79B4D38C2B7B37EAA379D493358E20D#article
Дата обращения: 30.03.22
2. Applied Logistic Regression
Ссылка: http://acctlib.ui.ac.id/file?file=digital/2016-12/13095-
Applied%20Logistic%20Regrestion,%20%203.ed%20-
%20David%20W.%20Hosmer%20Jr.pdf
Дата обращения: 30.03.22
3. Landslide Susceptibility Analysis: A Logistic Regression Model Case Study in Coonoor, India
Ссылка: https: //www.mdpi. com/2306-5338/8/1/41/htm
Дата обращения: 30.03.22
4. Loginom: Логистическая регрессия и ROC-анализ
Ссылка: https://loginom.ru/blog/logistic-regression-roc-auc
Дата обращения: 30.03.22
5. Loginom: Тест Вальда
Ссылка: https://wiki.loginom.ru/articles/wald-test.html
Дата обращения: 30.03.22
6. Logistic regression modeling to assess groundwater vulnerability to contamination in Hawaii, USA
Ссылка: https://www.sciencedirect.com/science/article/abs/pii/S0022169411003258Дата обращения: 30.03.22
7. Regional integrated meteorological forecasting and warning model for geological hazards based on logistic regression
Ссылка: https://link.springer.com/article/10.1007/s11859-006-0313-9Дата обращения: 30.03.22
8. Using a binary logistic regression method and GIS for evaluating and mapping the groundwater spring potential in the Sultan Mountains (Aksehir, Turkey) Ссылка: https://www.sciencedirect.com/science/article/abs/pii/S0022169411003258Дата обращения: 30.03.22
9. Водные ресурсы бассейна реки Самур
Ссылка: https: //vuzlit.com/474132/vodnye_resursy_basseyna_reki_samurДата обращения: 22.05.22
10. Гидрогеоэкологическое обоснование схем территориального планирования на примере Красногорского района Московской области Ссылка: http://geoenv.ru/materials/disser/dissertation_karakovskiy
Дата обращения: 30.03.22 Дата обращения: 30.03.22
11. Использование методов машинного обучения для прогнозирования опасных конвективных явлений с помощью численной модели конвективного облака
Ссылка: https://dspace.spbu.ru/bitstream/11701/4232/1/st011824
Дата обращения: 30.03.22
12. Лекции по алгоритмам восстановления регрессии Ссылка: http://www.ccas.ru/voron/download/Regression
Дата обращения: 30.03.22
13. Методология оценивания эффективности гидрометеорологического обеспечения
Ссылка: https: //www.rgo .ru/sites/default/files/sbornik-tezisov-_konferencii- sovremennye-problemy-gidrometeorologii_rggmu-2020.pdf
Дата обращения: 30.03.22
14. Методы эконометрики
Ссылка: http://elib.nakkkim.edu.ua/bitstream/handle/123456789/1328/Айвазян%20
C.A.%20MeTogbi%203KOHOMeTpnKH.2010.pdf?sequence=1&isAllowed=y
Дата обращения: 30.03.22
15. Ресурсы поверхностных вод СССР: Гидрологическая изученность. Т.
9. Закавказье и Дагестан. Вып. 3. Дагестан / под ред. П. П. Буртовой. — Л.: Гидрометеоиздат, 1964. — 76 с.
16. Соколов А. А. Глава 20. Кавказ // Гидрография СССР. — Л.: Гидрометеоиздат, 1952.
17. Статистический анализ медико-биологических данных с использованием пакетов статистических программ Statistica, SPSS, NCSS, SYSTAT
Ссылка: https: //nrcerm. ru/files/book/makarova_po sob
Дата обращения: 30.03.22
18. Терешенко О.В., Курилов Н.В., Князева Е.И. Многомерный статистический анализ данных