Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Một phương pháp xử lý dữ liệu thiếu áp dụng cho dữ liệu mưa hàng ngày tại lưu vực sông Candelaro (Ý)
Tóm tắt
Chuỗi thời gian môi trường thường bị ảnh hưởng bởi sự 'hiện diện' của dữ liệu bị thiếu, nhưng khi xử lý dữ liệu một cách thống kê, cần lưu ý đến việc lấp đầy khoảng trống bằng cách ước lượng các giá trị bị thiếu. Hiện nay, có rất nhiều kỹ thuật thống kê để đạt được mục tiêu này; chúng dao động từ các phương pháp rất đơn giản, chẳng hạn như sử dụng giá trị trung bình mẫu, đến các phương pháp phức tạp, chẳng hạn như suy diễn nhiều lần. Một phương pháp mới cho việc ước lượng dữ liệu bị thiếu được đề xuất, nhằm kết hợp những lợi thế rõ ràng của các kỹ thuật đơn giản nhất (chẳng hạn như khả năng thực hiện dễ dàng) với sức mạnh của các kỹ thuật mới nhất. Phương pháp đề xuất bao gồm việc áp dụng hai giai đoạn liên tiếp: khi đã xác định rằng một trạm giám sát cụ thể bị ảnh hưởng bởi dữ liệu bị thiếu, các trạm giám sát 'tương tự nhất' sẽ được xác định trong số các trạm lân cận dựa trên một hệ số tương đồng phù hợp; trong giai đoạn thứ hai, một phương pháp hồi quy được áp dụng để ước lượng dữ liệu bị thiếu. Trong bài báo này, bốn phương pháp hồi quy khác nhau được áp dụng và so sánh, nhằm xác định đâu là phương pháp đáng tin cậy nhất để lấp đầy khoảng trống, sử dụng chuỗi dữ liệu lượng mưa được đo tại lưu vực sông Candelaro nằm ở miền Nam Ý.
Từ khóa
#dữ liệu bị thiếu #phương pháp hồi quy #lưu vực sông Candelaro #lượng mưa #xử lý dữ liệu môi trườngTài liệu tham khảo
Allison, P. D. (2001). Missing data. Thousand Oaks, CA: Sage.
Barca, E., Passarella, G., Lo Presti, R., Masciale, R., & Vurro, M. (2006). HarmoniRiB river basin data documentation: Chapter 7—Candelaro River Basin. Bari, Italy: Water Research Institute of the National Research Council. Retrieved from http://www.harmonirib.com.
Chandler, R. E., & Wheater, H. S. (1998). Climate change detection using generalized linear models for rainfall—a case study from the West of Ireland. I. preliminary analysis and modelling of rainfall occurrence. Research Report No. 194, Department of Statistical Science, University College London.
Conover, W. J. (1971). Practical nonparametric statistics (2nd ed.). New York: Wiley.
Conversano, C. (2003). Incremental Algorithms for missing data imputation based on recursive partitioning. In Proceedings of the 35th symposium on the interface. Salt Lake City, Utah, 12–15 March 2003.
Drécourt, J. P., & Madsen, H. (2002). Uncertainty estimation in groundwater modelling using Kalman filtering. In K. Kovar & Z. Hrkal (Eds.), Proceedings of the 4th international conference on calibration and reliability in groundwater modelling, ModelCARE 2002 (Vol. 46(2/3), pp. 306–309). Acta Universitatis Carolinae–Geologica 2002, Prague.
Dunn, P. K. (2003). Precipitation occurrence and amount can be modelled simultaneously. Faculty of Sciences, USQ, Working Paper Series SC-MC-0305.
Glantz, S. (1988). Primer in biostatistics. Milan, Italy: McGraw-Hill.
Goodison, B. E., Louie, P. Y. T., & Yang, D. (1998). WMO solid precipitation measurement intercomparison—final report. Instruments and Observing Methods Report No. 67, WMO/TD-No. 872.
Hubbard, K. G. (1994). Spatial variability of daily weather variables in the high plains of the USA. Agricultural and Forest Meteorology, 68, 29–41.
Istituto Centrale di Statistica (1983). In ISTAT (Ed.), Annuario di statistiche meteorologiche 1981 (Vol. XXI), Rome.
Johansson, B., & Chen, D. (2003). The influence of wind and topography on precipitation distribution in Sweden: Statistical analysis and modelling. International Journal of Climatology, 23, 1523–1535.
Johnson, M. L. (2003). Lose something? Ways to find your missing data. Houston Center for Quality of Care and Utilization Studies Professional Development Series 17-09-2003.
Little, J. R. A., & Rubin, D. B. (1987). Statistical analysis with missing data. New York: Wiley.
Neter, J., Kutner, M. H., & Nachtsheim, C. J. (1996). Applied linear statistical models. Chicago, IL: Irwin.
Prudhomme, C., & Reed, D. W. (1998). Relationships between extreme daily precipitation and topography in a mountainous region: A case study in Scotland. International Journal of Climatology, 18, 1439–1453.
Rubin, D. B. (1976). Inference and missing data. Biometrika, 63, 581–592.
Rubin, D. B. (1987). Multiple imputation for nonresponce in surveys. New York: Wiley.
Rubin, D. B. (1988). An overview of multiple imputation. In Proceedings of the survey research methods section of the American statistical association (pp. 79–84). American Statistical Association.
Rubel, F., & Hantel, M. (1999). Correction of daily gauge measurements in the Baltic sea drainage basin. Nordic Hydrology, 30, 191–208.
Sande, I. G. (1983). Hot-deck imputation procedures. In W. G. Madow & I. Olkin (Eds.), Proceedings of symposium: Incomplete data in sample surveys (Vol. 3). New York: Academic Press.
Schafer, J. L. (1997). Analysis of incomplete multivariate data. London: Chapman & Hall.
Scheffer, J. (2002). Dealing with missing data. Research Letters in the Information and Mathematical Sciences, 3, 153–160. Retrieved from http://www.massey.ac.nz/~wwiims/research/letters/.
Sevruk, B. (1986). Correction of precipitation measurements: Summary report. In B. Sevruk (Ed.), Correction of precipitation measurements (Vol. 23, pp. 13–23). Zurich: Zuricher Geographische Schriften.
Sevruk, B., & Nespor, V. (1998). Empirical and theoretical assessment of the wind induced error of rain measurement. Water Science and Technology, 37(11), 171–178.
Shannon, C. E. (1948). A mathematical theory of communication. AT&T Technical Journal, 27, 379–423, 623–656.
Theil, H. (1950). A rank-invariant method of linear and polynomial regression analysis. Indicationes Mathematicae, 12, 85–91.
Vejen, F., Allerup, P., & Madsen, H. (1998). Korrection for fejlkilder af daglige nedbørmålinger i Danmark. Technical Report 98-9, Danish Meteorological Institute. In Danish.
Wooldridge, J. (2006). Introductory econometrics: A modern approach (3rd ed.). Cincinnati, OH: South-Western College.
Yevjevich, V. (1972). Probability and statistics in hydrology. Fort Collins, CO: Water Resources Publications.