Hybrid Statistical–Machine Learning Framework for Trend Analysis and Extreme Rainfall Frequency Modeling in Delhi

Technische Samenvatting: Hybride Statistische–Machine Learning Framework voor Trendanalyse en Modellering van Extreme Neerslagfrequentie in Delhi

Probleemstelling
Snelle verstedelijking, landgebruikveranderingen en klimaatvariabiliteit hebben de hydrologische respons in Delhi aanzienlijk veranderd, wat leidt tot frequente stedelijke overstromingen en het falen van drainagesystemen. Traditionele Intensiteit–Duur–Frequentie (IDF) curves, die cruciaal zijn voor hydraulisch ontwerp en flood risicobeheer, vertrouwen vaak op de aanname van stationariteit—een premisse die steeds meer wordt uitgedaagd door veranderende klimatologische omstandigheden. Hoewel klassieke statistische methoden (bijv. Gumbel, GEV) de standaard zijn voor frequentieanalyse, kunnen zij moeite hebben met het vastleggen van niet-lineaire relaties en niet-stationaire gedragingen in langetermijnneerslaggegevens. Daarentegen biedt machine learning (ML) de mogelijkheid om complexe patronen te modelleren, maar wordt het minder frequent geïntegreerd met klassieke frequentieanalyse voor de schatting van extreme neerslag in deze specifieke regio. Deze studie adresseert de kloof in geïntegreerde trend–frequentie–ML-analyse voor Delhi om betrouwbaardere ontwerpneerslag-schattingen te bieden onder evoluerende klimatologische omstandigheden.

Methodologie
De studie maakt gebruik van een 121-jarige dataset (1901–2021) van maandelijkse neerslaggegevens voor Delhi. De primaire dataset, de Annual Maximum Series (AMS), werd afgeleid door de maximale maandelijkse neerslagwaarde voor elk jaar te selecteren. Het onderzoek hanteert een drieledig methodologisch kader:

1. Trendanalyse: Niet-parametrische statistische methoden werden toegepast om monotone trends te detecteren. De Mann–Kendall (MK) test werd gebruikt om de aanwezigheid van trends te identificeren, terwijl de Sen's slope estimator de omvang van de verandering kwantificeerde. Sequentiële MK-analyse werd eveneens uitgevoerd om potentiële veranderingspunten te identificeren.
2. Frequentieanalyse: Drie waarschijnlijkheidsverdelingen—Gumbel (Extreme Value Type I), Generalized Extreme Value (GEV) en Log-Pearson Type III (LP–III)—werden op de AMS-data gefit met behulp van Maximum Likelihood Estimation (MLE). Terugkeerniveaus werden berekend voor perioden van 2, 5, 10, 25, 50 en 100 jaar. De modelprestaties werden geëvalueerd met behulp van de Akaike Information Criterion (AIC), de Bayesian Information Criterion (BIC) en goodness-of-fit metrieken. Onzekerheid werd gekwantificeerd met behulp van bootstrap resampling (n=300) om 95% betrouwbaarheidsintervallen af te leiden.
3. Machine Learning Modellering: Ensemble learning-algoritmen, specifiek Linear Regression, Random Forest en Gradient Boosting, werden getraind op historische neerslagkenmerken (inclusief jaar, seizoensgebonden totalen en vertraagde waarden) om de jaarlijkse maximale neerslag te voorspellen. Hyperparameters werden geoptimaliseerd via cross-validatie. De modelprestaties werden beoordeeld met de coëfficiënt van determinatie ($R$), Root Mean Square Error (RMSE), Mean Absolute Error (MAE) en de Nash–Sutcliffe Efficiency (NSE).

Belangrijkste Resultaten

• Trendanalyse: De Mann–Kendall test onthulde een marginaal toenemende trend in extreme neerslag ($Z = 1.65$, $p = 0.098$). De Sen's slope estimator kwantificeerde deze toename op ongeveer 0,35 mm/jaar (ongeveer 35 mm per eeuw), met een 95% betrouwbaarheidsinterval van 0,12–0,72 mm/jaar. Sequentiële analyse wees op een geleidelijke transitie naar positieve trends na het midden van de 20e eeuw.
• Frequentieanalyse: De GEV-verdeling bood de beste fit (laagste AIC = 1400,18) onder de statistische modellen, toegeschreven aan de positieve vormparameter ($\xi = 0,12$) die heavy-tailed gedrag vangt. Voor een 100-jarige terugkeertijd voorspelde GEV een neerslaggrootte van 726 mm, wat significant hoger is dan de schattingen van Gumbel (612 mm) en LP–III (613 mm). Bootstrap-analyse bevestigde dat de onzekerheid substantieel toeneemt met terugkeerperioden, waarbij GEV de meest conservatieve (hoogste) bovengrenzen oplevert.
• Machine Learning Prestaties: Onder de ML-modellen demonstreerde Gradient Boosting een superieure voorspellende nauwkeurigheid ($R = 0,86$, NSE = 0,85, RMSE = 41 mm, MAE = 32 mm), waarmee het zowel Random Forest als Linear Regression overtrof. Het ML-model slaagde er effectief in om niet-lineaire patronen en complexe interacties in de data te vangen.
• Vergelijkende Evaluatie: Bij het vergelijken van statistische verdelingen met het ML-model, behaalde Gradient Boosting de hoogste $R$ (0,86) en de laagste foutmetrieken (RMSE = 42 mm, MAE = 28 mm) vergeleken met het best presterende statistische model (GEV: $R=0,84$, RMSE=44 mm).

Significantie en Claims
Het artikel stelt dat de integratie van klassieke statistische technieken met moderne machine learning een robuust kader biedt voor extreme neerslaganalyse. De studie claimt dat:

1. Verbeterde Betrouwbaarheid: De hybride benadering verbetert de betrouwbaarheid van de IDF-schatting door zowel probabilistisch gedrag (via verdelingen) als verborgen niet-lineaire dynamiek (via ML) te vangen.
2. Ontwerpimplicaties: De detectie van een toenemende trend en de identificatie van de GEV-verdeling als de meest geschikte voor heavy-tailed extremen suggereren dat infrastructuur die ontworpen is met historische stationaire aannames, toekomstige ontwerpneerslag kan onderschatten.
3. Onzekerheidskwantificering: De studie benadrukt dat de onzekerheid in extreme neerslagschattingen snel groeit met terugkeerperioden, wat pleit voor probabilistische ontwerpaanpakken of veiligheidsfactoren in plaats van enkel deterministische schattingen.
4. Stedelijke Veerkracht: De bevindingen ondersteunen de noodzaak voor bijgewerkte ontwerpstandaarden en de adoptie van hybride statistische–ML benaderingen om klimaatbestendig stedelijk waterbeheer en flood risicobeperking in Delhi te waarborgen.

De auteurs concluderen dat hoewel de waargenomen trend bescheiden is, de cumulatieve impact ervan over decennia heen significant is voor de stedelijke hydrologie, wat trend-gecorrigeerde frequentieanalyse en voorspellende modellering voor toekomstige infrastructuurplanning noodzakelijk maakt.