Forecasting Water Yield Using Multivariate Analysis

Abstract

In this paper, the effectiveness of principal-component regression in the forecasting of spring season water yield was investigated. A general model building scheme was adopted to aid in model development. A detailed residual analysis, adoption of split-sampling, analysis of the rationality of regression coefficients, and the analysis of the indicators of the relative importance of the independent/predictor variables were performed. Models developed by the regression of principal-components proved superior to the models derived by the traditional regression techniques. The study was applied to a multi-reservoir hydro-electric system in the Saguenay-Lac St-Jean region of Quebec, Canada.

Dans cet exposé, on étudie l’efficacité de la régression de l’élément principal, dans la prévision du rendement de l’eau au printemps. Un modèle général de départ a été adopté afin de faciliter la mise au point d’un modèle final. Nous avons réalisé une analyse détaillée résiduelle, l’adoption de l’échantillonnage partagé, l’analyse de la rationalisation des coefficients de régression, ainsi que l’analyse des indicateurs de l’importance relative des variables indépendantes et prévisionnelles. Les modèles ont été mis au point grâce à la régression des éléments principaux ayant démontré leur supériorité aux techniques traditionnelles de régression. L’étude a été appliquée à un système hydro-électrique à réservoirs multiples dans la région du Saguenay-Lac Saint-Jean, au Québec (Canada).