Hidrológiai Közlöny 2005 (85. évfolyam)

5. szám - Rózsa Enikő–Dezső Zsuzsanna: Fuzzy-szabályokon alapuló kockázatelemzés alkalmazása a Balatonra

RÓZSA E. - DEZSŐ ZS.: Fuzzy-szabályokon alapuló kockázatelemzés 33 soha nem fordultak elő, és ezért a fuzzy-szabályokat nem fogjuk tudni alkalmazni rájuk. Az MCP-gyakoriság és a NAO-index tartományait itt végül 2, 3, ill. 5 részre osztottuk. így azt is vizsgálni tudtuk, milyen hatással van a modell hatékonyságára az, ha kevesebb, illetve több fuzzy-számot definiálunk az egyes változókra. (Az 5 fuzzy-számra való felosztást tartalmazza a 3. és 4. ábra.) A vízkészletváltozásra 9 fuzzy-számot definiáltunk (5. ábra). A modell input is output változóinak kiválasztása I Fuzzy számok meghatározása az input és output változókra Az adatbázis szétválasztása Fuzzy-szabályok létrehozása súlyozó algoritmussal A fuzzy-szabályok ellenőrzése A modell értékelése kis csökkenés közepes növekedés közepes csökkenés kis növekedés nincs változás nagy csökkenés Statisztikai mérőszámok: átlag, szórás, közepes négyzetes hiba (RMSE), korrelációs együttható Idősorok ábrázolása ) Scatter plot diagramok 6.69 7.59 NAO-index Empirikus eloszlásfüggvények 2. ábra: A fuzzy-szabályokon alapuló modell szerkezeti vázlata (Pongrácz R. et al., 2001). 3. A tanuló és az ellenőrző adatsor szétválasztása: Az input és output változók teljes adatsorát két részre osztjuk: egy tanuló és egy ellenőrző adatsorra. A tanuló időszak adatsorát a fuzzy-szabályok megalkotására használjuk fel, az ellenőrző időszakét pedig ezen szabályok ellenőrzésére, vagyis hogy hogyan lehet a lehető legjobban előre megbecsülni a keresett választ. Modellünkben a tanuló idősor 1951-től 1965-ig és 1981 -tői 1995-ig, az ellenőrző adatsor pedig 1966-tól 1980-ig tart. 4. Szabályalkotás: A fuzzy-szabályok kialakítása az ún. súlyozó algoritmussal (Bárdossy-Duckstein. 1995) történik, amelyhez a tanuló adatsort használjuk fel. 5. A fuzzy-szabályok igazolása: Az ellenőrző adatsort felhasználva megvizsgáljuk a fuzzy-szabályok helyességét, ahogy Pongrácz et al. (1999) munkája azt részletesen leírja. 1 4. ábra: A NAO-indexre meghatározott fuzzy-számok Az eredmények értékelése Vizsgálataink egyik fő célja az volt, hogy megállapítsuk, mennyire érzékeny az alapmodell a különböző bemenő paraméterek változtatására. A 16 különböző modellfuttatás bemenő paramétereit, valamint a modell értékelésére vonatkozóan az eredeti és a becsült adatok közötti korrelációs együtthatókat tartalmazza az 1. táblázat. Az egyes futtatásokra vonatkozó eloszlásfüggvények a függelékben láthatók (1-16. grafikon). A futtatások során lényegesen jobb eredményeket kaptunk, amikor az input változókon öt fuzzy-számot definiáltunk, mint amikor hármat (1.-5., 2.-6., 3.-7. és 4.-8. grafikonpárok). Lényegesen jobb a modell abban az esetben, amikor a ciklonális és anticiklonális, illetve a zonális, kevert és meridionális HB-típusok kombinációival számoltunk, valamint amikor az áramlási irány szerinti HB-típusokat vettük figyelembe, mintha csak a ciklonalitást vagy a zonalitást tekintettük (1-4. grafikon). Abban az esetben, ha aNAO-indexet is figyelembe vesszük, a modell-eredmények sokkal közelebb állnak a mért értékekhez (9-11. és 10-12. grafikonpár). Ez azt is mutatja, hogy az Atlanti-óceán a nagy távolság ellenére is kimutathatóan érezteti hatását. \ />8«n nagy y n

íSy növekedés A növe/ Védés -30 0 20 Vizkészletváltozás értékek |mm] (nem arányos ábrázolás) 5. ábra: A vízkészletváltozásra alkalmazott fuzzy-számok A fuzzy-szabályokon alapuló modell értékelése: Elvégezzük a modell megbízhatósági vizsgálatát, figyelembe véve azt, hogy mennyire korrelál egymással a vízkészlet-változás becsült és megfigyelt értéke az ellenőrző adatsorban. í •S í «3 í H 0 0 1/4 max. 1/2 max. 3/4 max. Max. F.gy adott CP-osztály havi gyakorisága 3. ábra: A makrocirkulációs típus fuzzy-számai