Science >> Wetenschap >  >> Natuur

Dankzij de nieuwe statistische benadering voor milieumetingen kunnen de gegevens bepalen hoe extreme gebeurtenissen moeten worden gemodelleerd

Een nieuwe statistische benadering voor milieumetingen laat de gegevens bepalen hoe extreme gebeurtenissen moeten worden gemodelleerd

Een team wetenschappers van de Universiteit van Californië, Davis, heeft een nieuwe statistische benadering voor milieumetingen ontwikkeld waarmee de gegevens kunnen bepalen hoe extreme gebeurtenissen moeten worden gemodelleerd. De aanpak, genaamd ‘datagestuurde analyse van extreme waarden’, maakt gebruik van een combinatie van statistische methoden om het meest geschikte model voor extreme gebeurtenissen in een bepaalde dataset te identificeren.

Extreme gebeurtenissen zijn zeldzaam, maar kunnen een aanzienlijke impact hebben op het milieu en de samenleving. Extreme weersomstandigheden zoals overstromingen, droogtes en bosbranden kunnen bijvoorbeeld wijdverbreide schade en verlies van mensenlevens veroorzaken. Om de risico's die gepaard gaan met extreme gebeurtenissen te beperken, is het belangrijk om het voorkomen ervan nauwkeurig te kunnen modelleren.

Traditionele methoden voor analyse van extreme waarden gaan er doorgaans van uit dat de gegevens een specifieke verdeling volgen, zoals de Gumbel- of Weibull-verdeling. Deze aanname is echter niet altijd geldig en kan leiden tot onnauwkeurige schattingen van de waarschijnlijkheid van extreme gebeurtenissen. De nieuwe datagestuurde aanpak maakt geen aannames over de distributie van de gegevens en zorgt ervoor dat de gegevens het meest geschikte model kunnen bepalen.

De wetenschappers testten de nieuwe aanpak op verschillende milieugegevenssets, waaronder neerslag, temperatuur en windsnelheid. De resultaten toonden aan dat de nieuwe aanpak extreme gebeurtenissen nauwkeuriger kon modelleren dan traditionele methoden.

De nieuwe aanpak heeft een aantal voordelen ten opzichte van traditionele methoden voor analyse van extreme waarden. Ten eerste zijn er geen aannames nodig over de distributie van de gegevens. Ten tweede is het in staat om het meest geschikte model voor extreme gebeurtenissen in een gegeven dataset te identificeren. Ten derde is het nauwkeuriger dan traditionele methoden, vooral voor datasets met beperkte steekproefomvang.

De nieuwe aanpak is nog in ontwikkeling, maar heeft het potentieel om een ​​revolutie teweeg te brengen in de manier waarop extreme gebeurtenissen worden gemodelleerd. Door de gegevens het meest geschikte model te laten bepalen, kan de nieuwe aanpak nauwkeurigere schattingen opleveren van de waarschijnlijkheid van extreme gebeurtenissen, wat kan helpen de risico's die aan deze gebeurtenissen verbonden zijn, te beperken.

De wetenschappers publiceerden hun bevindingen in het tijdschrift 'Water Resources Research'.