Hidrológiai Közlöny 2002 (82. évfolyam)

2. szám - Pongrácz Rita–Kugler Szilvia–Csík András–Bogárdi István: A Balaton vízháztartási elemeinek modellezése fuzzy szabályok segítségével

PONGRÁCZ R. - KUGLER SZ. - CSÍK A. - BOGÁRDII.. A Balaton vizháztartási elemei 97 0.5 -2 0.5 -2 -1 0.5 kulációs jellegeket különítjük el (m2 jelű modell), a korrelációs együttható általában nem én el a 0,5-es értéket míg a kétféle felbontás egyesítésével kapott HB-osztályok használatával (ml jelű modell) a korreláció jelentősen erősödött, s értéke 0,6-0,8-re növekedett. Figyelembe véve a korrelációs együtthatóban és az RMSE-ben bekövetkezett változásokat a legnagyobb javulást a párolgás esetében értünk el 0.8 0.6 0.4 E R 6. ábra A modellek összehasonlítása a korrelációs együttható és az RMSE-hiba segítségével Mindhárom modellben a késleltetett NAÜ-hatást figyelembe vettük. A makrocirkuláció szerepe az egyes modellekben: ml 6 HBosztály relatív gyakoriságát tekinti, m2 csak a cirkulációs jelleget, mj csak a ciklon/anticiklon dominanciát. A 7. ábra arról nyújt tájékoztatást, hogy az SST-index használata nélküli (m5 jelű modell) illetve a csupán az egyidejű SST-index alkalmazásával futó (m4 jelű) modellekhez képest a két legerősebb kapcsolatú hónap késleltetett hatását is figyelembe vevő (ml jelű) modellek hogyan javítják a vízháztartási elemek becsléseit. • ml • nv4 A m5 -2 5. ábra A mért és a becsült adatsorok empirikus eloszlásainak összehasonlítása azonos skálát alkalmazva a Balaton vizháztartási mérlegének elemeire Az érzékenységi vizsgálatok további eredményei a 6. és ábrán láthatók Először csak a makrocirkulációs információra vonatkozóan változtattuk a modellek meghatározó tényezőit, s a NAO-t maximálisan figyelembe vettük Majd a makrocirkulációt változatlanul hagyva az SST-idősorokból alkalmaztunk egyre többet. A mérések és a becslésből származó adatsorok összevetéséből kapott korrelációs együtthatókat, valamint a modellből származó RMSE hibaértékeket foglaltuk öszsze 2, 3 illetve 6 HB-osztály alkalmazása esetén a 6. ábrán. (Ezekben a modellekben 5 fúzzy-számot definiáltunk az input változókon ) Amennyiben csak a ciklon/anticiklon dominanciát vesszük figyelembe (m3 jelű modell), vagy csupán a cir« 0-8 £ 5 0.6 ä 2 0.4 I 0.2 £ 0 • ml • m4 Á m5 • • • E • • O 0 A A A a 0.8 A tn 35 * 0.6 • • H • 1 1 PER 0.4 • • • • • • • 1 1 E R S 7. ábra A modellek összehasonlítása a korrelációs együttható és az RMSE-hiba segítségével. Mindhárom modellben 6 HB-osztály gyakoriságával számoltunk. A MAO hatásától eltekintettünk m5-hen, csak az egyidejű SST-indexet alkalmaztuk m4-ben, a késleltetett NAO-hatást is figyelembe vettük ml-ben. Ha egyáltalán nem tekintjük meghatározó tényezőnek a NAO-jelenséget, akkor a korrelációs együttható minden esetben 0,4 alatt marad. Amennyiben az SST-index egyidejű értékét figyelembe vesszük, a korreláció valamelyest erősödik, de 0,6 fölé csak akkor emelkedik, ha késleltető hatásokat is bevonunk modelljeinkbe Hasonló mértékű javulások tapasztalhatók az RMSE modellhibák értékeiben is. Különösen a párolgás esetében javultak nagy mértékben a modellbecslések YízkészletváHozás Mérések HB+NAO HB NAO