Vízügyi Közlemények, 1985 (67. évfolyam)
2. füzet - Mekis Éva-Szöllősi-Nagy András: Determinisztikus, sztochasztikus és egyesített determinisztikus-sztochasztikus rekurzív hidrológiai előrejelző modellek összehasonlító vizsgálata
230 Mekis E. és Szöllősi-Nagy A. Az ismeretlen AR paraméterek a /œO'-l) rJjl-2) ... 1 Yule-Walker egyenletből határozhatók meg az R,a = r c egyenlet R c korreláció-mátrixának invertálásával. Az AR (1) különleges esetében (28)-ból adódik, hogy e - ^(Dtl-U2)] ' 1-^0) a - U2)~d(l) 2" l-id) ' míg magasabb AR rendszámok esetén már célszerű numerikus megoldást alkalmazni. Az AR paraméterek a parciális autokorrelációs tényezők. Tehát AR (p.) esetében a k = 0, ha k>fi, (31) ami egyben lehetőséget ad a modell rendszámának meghatározására. Nagyobb rendszámmal indítva a keresést, addig szűkítjük a modell dimenzióját, amíg (31) teljesül. A rendszám és a becsült áj AR paraméterek, valamint a DLCM (23) hibaidősorának birtokában (24) figyelembevételével előállítható a GFZ sorozat egy mintája, ami két dologra használható: egyrészt autokorrelációs elemzéssel megállapítható, vajon w valóban GFZ sorozat-e; másrészt a mintából becsülhető a zajsorozat a\ szórása, ami az előrejelzés felújításánál kulcsszerepet játszik. A DLCM állapotvektorát kibővítve a hiba modell (25) állapotvektorával az egyesített strukturális-sztochasztikus előrejelző modell г X* [ Xl,t ••• Xn,t'. Xn+\,t ••• Xn+fl,t\ f xí ; X;1 állapotvektorát kapjuk, amivel az egyesített állapotegyenlet: x* = <b*(Ai)x*_ á t + T\Ai)u t_ A t+\*w t_ a t, ahol
