Vízügyi Közlemények, 1985 (67. évfolyam)
2. füzet - Mekis Éva-Szöllősi-Nagy András: Determinisztikus, sztochasztikus és egyesített determinisztikus-sztochasztikus rekurzív hidrológiai előrejelző modellek összehasonlító vizsgálata
222 Mekis E. és Szöllösi-Nagy A. 1. ábra. Determinisztikus kaszkád-modellel készített előrejelzés Рис. /. Детерминистическая модель каскада линейных водохранилищ прогноз Fig. 1. Deterministic cascade model forecasts Bild 1. Das determinische Kaskadenmodell Vorhersagen negatív hiba, ill. pozitív hibát sokszor követ pozitív hiba. Valóban, mint ahogy azt a 3. ábra igazolja, a hibaidősorban erős autokorreláltság mutatkozik, r e e (1) = 0,74 magas egylépéses autokorrelációs tényezővel, jelezvén, hogy rejlik még olyan információ az idősorokban, amelyet a DLCM nem használt fel, hiszen, mint ismeretes (Gelb 1974), egy előrejelző modell optimalitásának szükséges feltétele az egylépéses előrejelzési hibák gaussi fehér zaj (GFZ) volta. A fehér zaj sorozat ugyanis teljesen véletlen (és független) elemeket tartalmaz, melyek mindenféle perzisztencia híján - nem előrejelezhetők. A GFZ autokorreláció-függvénye a Dirac-függvény, így az autokorreláció függvény ad felvilágosítást az előrejelzés optimalitására vonatkozóan. Minél inkább eltér tehát a hibaidősor autokorreláció-függvénye a Dirac-függvénytől, annál több információ rejlik a hibaidősorban. Itt jegyezzük meg, hogy az egylépéses hibaidősort szokás még reziduumnak (a modell maradékának), ill. innovációnak (amin az előrejelzés felújítása alapul) nevezni. A determinisztikus előrejelzés autokorrelált maradékaiból sztochasztikus idősormodell alkalmazásával tehát további információk lesznek hasznosíthatók. Ezt megelőzően azonban vizsgáljuk meg azt, vajon egy tisztán sztochasztikus modell mennyire képes a folyamatot leírni és milyen előrejelzési hibákat eredményez?
