Fundamentals of Statistical Hydrology

این کتاب درسی کاربردهای اصلی روش های آماری در هیدرولوژی را پوشش می دهد. این برای دانشجویان مقطع کارشناسی و کارشناسی ارشد نوشته شده است، اما می تواند به عنوان یک راهنمای مفید برای هیدرولوژیست ها، جغرافیدانان، هواشناسان و مهندسان استفاده شود. این کتاب برای آموزش بسیار مفید است، زیرا موضوعات اصلی موضوع را پوشش می دهد و شامل مثال های کار شده و تمرین های پیشنهادی زیادی است. با شروع از مفاهیم ساده بررسی گرافیکی ضروری داده‌های هیدرولوژیکی، کتاب شرح کاملی از نقشی که ملاحظات احتمال باید در طول مدل‌سازی، تشخیص تناسب مدل، پیش‌بینی و ارزیابی عدم قطعیت در پیش‌بینی‌های مدل، از جمله ماهیت کاربرد بیزی ایفا کند، ارائه می‌کند. در هیدرولوژی و روش های آماری تحت غیر ایستایی.

این کتاب همچنین یک بحث جامع و مفید در مورد موضوعات ذهنی، مانند انتخاب توزیع های احتمال مناسب برای متغیرهای هیدرولوژیکی ارائه می دهد. در سطح عملی، نمودار MS Excel و قابلیت‌های محاسباتی را توضیح می‌دهد، استفاده از نرم‌افزار رایگان Winbugs را برای حل شبیه‌سازی‌های مونت کارلو مارکوف (MCMC) نشان می‌دهد، و مثال‌هایی از کد R رایگان برای حل مدل‌های غیر ثابت با توابع پیوند غیرخطی با متغیرهای آب و هوایی ارائه می‌دهد. .

This textbook covers the main applications of statistical methods in hydrology. It is written for upper undergraduate and graduate students but can be used as a helpful guide for hydrologists, geographers, meteorologists and engineers. The book is very useful for teaching, as it covers the main topics of the subject and contains many worked out examples and proposed exercises. Starting from simple notions of the essential graphical examination of hydrological data, the book gives a complete account of the role that probability considerations must play during modelling, diagnosis of model fit, prediction and evaluating the uncertainty in model predictions, including the essence of Bayesian application in hydrology and statistical methods under nonstationarity.

The book also offers a comprehensive and useful discussion on subjective topics, such as the selection of probability distributions suitable for hydrological variables. On a practical level, it explains MS Excel charting and computing capabilities, demonstrates the use of Winbugs free software to solve Monte Carlo Markov Chain (MCMC) simulations, and gives examples of free R code to solve nonstationary models with nonlinear link functions with climate covariates.