ISSN:
1572-9648
Keywords:
Seasonality
;
Rainfall frequency
;
Artificial neural networks
;
Hydrometeorology
Source:
Springer Online Journal Archives 1860-2000
Topics:
Mechanical Engineering, Materials Science, Production Engineering, Mining and Metallurgy, Traffic Engineering, Precision Mechanics
,
Physics
Description / Table of Contents:
Sommario Viene sperimentata la tecnica delle reti neurali artificiali per affrontare lo studio della non-stazionarità stagionale del processo di precipitazione. Viene analizzata l'omogeneità dei segnali climatici all'interno di ciascuna delle 12 naturali classi mensili, adottando un rete di tipo multistrato ‘feed-forward’ con retro-propagazione dell'errore. La possibilità di indentificare le stagioni su base mensile con i soli dati di precipitazione si dimostra essere piuttosto limitata. Viceversa, l'accoppiamento fra le statistiche di pioggia e temperatura si rivela essere un fondamentale indicatore climatico. Al contrario di quanto comunemente reputato, l'incertezza nella stagionalità appare essere più alta in estate ed in inverno che in primavera e in autunno. L'ipotesi sulla definizione su base mensile dei regimi pluviometrici appare comunque difficile da sostenere, rivelando la necessità di adottare un criterio senza supervisione per l'identificazione del filtro stagionale relativo al processo di precipitazione.
Notes:
Abstract The artificial neural network technique is experimented to cope with the study of the sub-annual seasonal non-stationarity of the rainfall process. The homogeneity of the climatic signals inside each of the natural 12 monthly classes is analyzed, adopting a multilayer feed-forward network with error back-propagation. The possibility of identifying ‘monthly based seasons’ from only daily rainfall data is found to be quite limited. The coupling of rainfall and temperature statistics is instead confirmed to be a fundamental climatic indicator. Contrary to what is commonly expected, the season uncertainty appears higher in summer and in winter than in spring or autumn. The hypothesis of defining any monthly based pluviometric regime is however demonstrated to be generally difficult to sustain, revealing the necessity of adopting an unsupervised criterion to identify any seasonal filter of the rainfall process.
Type of Medium:
Electronic Resource
URL:
http://dx.doi.org/10.1007/BF00444159
Permalink