Comparing Rainfall Prediction at Various Time Scales and Rainfall Interpolation at the Regional Scale Using Artificial Neural Networks
Description
Abstract Precipitation prediction has important applications in a variety of industries, including agriculture, water conservation, and transportation. In previous study, analyses of rainfall prediction were rarely carried out separately from the spatial and temporal scales. The rainfall data of every observation point in Zhejiang Province in 2015 were compared on a spatial scale using Inverse Distance Weighted Interpolation (IDW), Kringing Interpolation, Moving Cube Interpolation (MC), Natural Neighbour Decomposition Interpolation (MSM), Nearest Neighbour Interpolation (NeaN), and Bilinear Interpolation (NN) in order to study the distribution trend of rainfall in the provincial area. The daily and monthly rainfall projections were simulated on a temporal scale using historical precipitation data from a Zhejiang Province observation site covering 30 years, from 1990 to 2020, as an example, using the RBFN and BP models. It is verified that the simulation and interpolation results generated by the two processes are accurate. In the realm of rainfall prediction, artificial neural networks (ANN) offer some advantages over the conventional classical interpolation method. Nevertheless, ANN is also constrained by nonlinear rainfall characteristics, training time, computational complexity, and the arrangement and quantity of meteorological stations, among other factors. The findings show that RBFN outperforms the BP model in rainfall simulation, particularly when it comes to predicting longer time horizons. The essay concludes with a discussion of the possible applications and future prospects of artificial neural networks (ANN) in the field of rainfall prediction at both geographical and temporal dimensions.
Translated Descriptions
Translated Description (Arabic)
للتنبؤ بهطول الأمطار المجرد تطبيقات مهمة في مجموعة متنوعة من الصناعات، بما في ذلك الزراعة والحفاظ على المياه والنقل. في دراسة سابقة، نادرًا ما تم إجراء تحليلات للتنبؤ بهطول الأمطار بشكل منفصل عن المقاييس المكانية والزمانية. تمت مقارنة بيانات هطول الأمطار لكل نقطة مراقبة في مقاطعة تشجيانغ في عام 2015 على نطاق مكاني باستخدام الاستكمال المرجح للمسافة العكسية (IDW)، واستكمال كرينجينج، واستكمال المكعب المتحرك (MC)، واستكمال تحلل الجيران الطبيعي (MSM)، واستكمال أقرب الجيران (NeaN)، والاستكمال ثنائي الخط (NN) من أجل دراسة اتجاه توزيع هطول الأمطار في منطقة المقاطعة. تمت محاكاة توقعات هطول الأمطار اليومية والشهرية على نطاق زمني باستخدام بيانات هطول الأمطار التاريخية من موقع مراقبة مقاطعة تشجيانغ الذي يغطي 30 عامًا، من 1990 إلى 2020، على سبيل المثال، باستخدام نماذج RBFN و BP. تم التحقق من أن نتائج المحاكاة والاستيفاء الناتجة عن العمليتين دقيقة. في مجال التنبؤ بهطول الأمطار، تقدم الشبكات العصبية الاصطناعية (ANN) بعض المزايا على طريقة الاستيفاء الكلاسيكية التقليدية. ومع ذلك، فإن ANN مقيدة أيضًا بخصائص هطول الأمطار غير الخطية، ووقت التدريب، والتعقيد الحسابي، وترتيب وكمية محطات الأرصاد الجوية، من بين عوامل أخرى. تظهر النتائج أن RBFN يتفوق على نموذج BP في محاكاة هطول الأمطار، خاصة عندما يتعلق الأمر بالتنبؤ بآفاق زمنية أطول. يختتم المقال بمناقشة التطبيقات المحتملة والآفاق المستقبلية للشبكات العصبية الاصطناعية (ANN) في مجال التنبؤ بهطول الأمطار على الصعيدين الجغرافي والزماني.Translated Description (French)
Résumé La prévision des précipitations a des applications importantes dans une variété d'industries, y compris l'agriculture, la conservation de l'eau et les transports. Dans l'étude précédente, les analyses de la prévision des précipitations étaient rarement effectuées séparément des échelles spatiales et temporelles. Les données sur les précipitations de chaque point d'observation dans la province du Zhejiang en 2015 ont été comparées à une échelle spatiale à l'aide de l'interpolation pondérée par la distance inverse (IDW), DE l'interpolation de Kringing, de l'interpolation des cubes mobiles (MC), de l'interpolation de la décomposition naturelle des voisins (MSM), de l'interpolation des voisins les plus proches (NeaN) et de l'interpolation bilinéaire (NN) afin d'étudier la tendance de la distribution des précipitations dans la région provinciale. Les projections de précipitations quotidiennes et mensuelles ont été simulées à une échelle temporelle en utilisant les données historiques de précipitations d'un site d'observation de la province du Zhejiang couvrant 30 ans, de 1990 à 2020, à titre d'exemple, en utilisant les modèles RBFN et BP. Il est vérifié que les résultats de simulation et d'interpolation générés par les deux processus sont exacts. Dans le domaine de la prévision des précipitations, les réseaux de neurones artificiels (RNA) offrent certains avantages par rapport à la méthode d'interpolation classique classique. Néanmoins, ANN est également limitée par les caractéristiques non linéaires des précipitations, le temps d'entraînement, la complexité des calculs et la disposition et la quantité des stations météorologiques, entre autres facteurs. Les résultats montrent que RBFN surpasse le modèle BP dans la simulation des précipitations, en particulier lorsqu'il s'agit de prédire des horizons temporels plus longs. L'essai se termine par une discussion sur les applications possibles et les perspectives d'avenir des réseaux de neurones artificiels (RNA) dans le domaine de la prévision des précipitations à la fois aux dimensions géographiques et temporelles.Translated Description (Spanish)
Resumen La predicción de la precipitación tiene aplicaciones importantes en una variedad de industrias, incluyendo la agricultura, el ahorro de agua y el transporte. En estudios anteriores, los análisis de predicción de precipitaciones rara vez se llevaban a cabo por separado de las escalas espacial y temporal. Los datos de precipitaciones de cada punto de observación en la provincia de Zhejiang en 2015 se compararon a escala espacial utilizando interpolación ponderada a distancia inversa (IDW), interpolación de Kringing, interpolación de cubos móviles (MC), interpolación de descomposición de vecinos naturales (MSM), interpolación de vecinos más cercanos (NeaN) e interpolación bilineal (NN) para estudiar la tendencia de distribución de las precipitaciones en el área provincial. Las proyecciones de precipitación diaria y mensual se simularon a escala temporal utilizando datos históricos de precipitación de un sitio de observación de la provincia de Zhejiang que abarca 30 años, de 1990 a 2020, como ejemplo, utilizando los modelos RBFN y BP. Se verifica que los resultados de simulación e interpolación generados por los dos procesos son precisos. En el ámbito de la predicción de precipitaciones, las redes neuronales artificiales (ANN) ofrecen algunas ventajas sobre el método de interpolación clásico convencional. Sin embargo, ANN también se ve limitada por las características de precipitación no lineal, el tiempo de entrenamiento, la complejidad computacional y la disposición y cantidad de estaciones meteorológicas, entre otros factores. Los hallazgos muestran que RBFN supera al modelo BP en la simulación de precipitaciones, particularmente cuando se trata de predecir horizontes de tiempo más largos. El ensayo concluye con una discusión de las posibles aplicaciones y perspectivas futuras de las redes neuronales artificiales (ANN) en el campo de la predicción de precipitaciones tanto en dimensiones geográficas como temporales.Files
latest.pdf.pdf
Files
(6.0 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:9c624717abdcdf72dcd39c78b35a7e07
|
6.0 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- مقارنة التنبؤ بهطول الأمطار على مختلف النطاقات الزمنية واستكمال هطول الأمطار على المستوى الإقليمي باستخدام الشبكات العصبية الاصطناعية
- Translated title (French)
- Comparaison de la prévision des précipitations à différentes échelles de temps et de l'interpolation des précipitations à l'échelle régionale à l'aide de réseaux de neurones artificiels
- Translated title (Spanish)
- Comparación de la predicción de precipitaciones en varias escalas de tiempo y la interpolación de precipitaciones a escala regional utilizando redes neuronales artificiales
Identifiers
- Other
- https://openalex.org/W4398778511
- DOI
- 10.21203/rs.3.rs-4416141/v1