उच्चतरङ्गघटनानां संख्या निर्दिष्टे कालान्तरे अध्ययनस्य उच्चतरङ्गसम्बद्धं कार्यात्मकं मानदण्डं पूरयन्तीनां स्वतन्त्राणां तरङ्गघटनानां संख्या अस्ति। अस्मिन् अध्ययने दक्षिणकोरियादेशस्य पूर्वसमुद्रतटे स्थितेषु Daejin, Sokcho, Mukho, Jukbyeon, Hupo, Yangpo, Jinha इति सप्त तरङ्गनिरीक्षणकेन्द्रेषु 1 जनवरी 2008–31 दिसम्बर 2024 इत्यस्य सामान्यस्य 17-वर्षीयस्य निरीक्षणकालस्य आधारेण निष्कासितानां उच्चतरङ्गघटनानां सहसा जातानां उच्चतरङ्गघटनानां च संख्याः सांख्यिकरूपेण परीक्ष्यन्ते। अध्ययनस्य मुख्यः उद्देश्यः केवलं कति घटनाः अभवन् इति गणना नास्ति; घटनासंख्याः केन सम्भाव्यतावितरणेन निरूपयितुं शक्यन्ते, केन्द्रेषु मासेषु च भेदाः, अनिश्चितता, स्थानिकसम्बन्धश्च कथं सन्ति इति मूल्याङ्कनम् अपि उद्देश्यः अस्ति।

उच्चतरङ्गस्य मूलसीमा significant wave height \(H_s \geq 3\,\mathrm{m}\) इति निर्धारितम्। किन्तु एकस्यैव तूफानस्य तरङ्गमानं अल्पकालं 3 m सीमायाः अधः गत्वा पुनरुत्थाय चेत् सः अनेकघटनारूपेण मिथ्या न गण्येत इति अतिरिक्तः घटनासंयोजननियमः प्रयुक्तः। उच्चतरङ्गस्य द्वयोः खण्डयोः अन्तरकालः 48 घण्टाः वा ततो न्यूनः अस्ति, तयोर्मध्ये न्यूनतमं significant wave height कमपि 1.5 m अस्ति चेत्, तौ खण्डौ एकैव उच्चतरङ्गघटना इति गण्येते।

सहसा जातः उच्चतरङ्गः केवलं 3 m सीमायाः अतिक्रमणं नास्ति। स्रोतसि आरम्भसन्दर्भतरङ्गोच्चता 1.25 m, उच्चतरङ्गसीमा 3 m, शान्तस्थितेः संरक्षणकालः \(t_c=3\) घण्टाः, सहसोत्थानकालः \(t_s=12\) घण्टाः इति परिभाषितम्। एवं न्यूनतरङ्गस्थितेः उच्चतरङ्गस्थितिं प्रति अल्पकाले संक्रमणं दर्शयन्त्यः घटनाः पृथक्कृताः।

तरङ्गनिरीक्षणानि दबावप्रकारस्य Wave and Tide Gauge उपकरणैः कृतानि; significant wave height स्पेक्ट्रस्य शून्यक्रमस्य moment इत्यस्मात् \(H_s=4\sqrt{m_0}\) इति सूत्रेण गणितम्। अध्ययनं zero-up-crossing पद्धत्या प्राप्तं significant wave period \(T_{1/3}\) अपि प्रयुङ्क्ते। दत्तांशश्रेणीभ्यः उच्चतरङ्गघटनाः सहसा जाताः उच्चतरङ्गघटनाश्च निष्कास्य वार्षिकाः मासिकाश्च घटनासंख्याः निर्मिताः।

वार्षिकघटनासंख्यासु Box/Ljung-Box तथा runs परीक्षणानि सर्वेषु केन्द्रेषु स्वतन्त्रतायाः परिकल्पना निराकर्तुं न शक्यते इति दर्शितवन्ति। परन्तु मासिकसंख्याश्रेणीषु बहुषु केन्द्रेषु स्वतन्त्रता निराकृता। अतः स्रोतः मासिकदत्तांशं बृहत्तरं sample प्राप्तुं वितरणानि च तुलयितुं प्रयुञ्जानः अपि, तस्माद् दत्तांशात् स्वतन्त्रतापरिकल्पनामाश्रित्य क्रियमाणेषु सांख्यिकनिष्कर्षेषु स्पष्टां सीमां स्थापयति।

सामान्यतः उच्चतरङ्गघटनानां सहसा जातानां उच्चतरङ्गघटनानां च संख्याः Poisson वितरणेन युक्ततया निरूपिताः। Mukho केन्द्रं अन्येभ्यः केन्द्रेभ्यः भिन्नम् आसीत्; तस्य उच्चः मासिकघटनामाध्यमः, variance-रचना, विशेषतः शून्यघटनानां वितरणे भारः इत्येतैः कारणैः Zero-Inflated Poisson वितरणम् अपि प्रयुक्तम्। Mukho इत्यस्य ZIP model मध्ये zero-inflation parameter उच्चतरङ्गेषु प्रायः 0.15, सहसा जातेषु उच्चतरङ्गेषु प्रायः 0.27 इति अनुमानितः, शून्यक्षेत्रे दृश्यसाम्यं च सुधृतम्।

सर्वे केन्द्राः संयुक्ताः सन्ति चेत् उच्चतरङ्गाणां सहसा जातानां उच्चतरङ्गाणां च मासिकघटनानुपातः मई–अगस्त काले माध्यमात् न्यूनः; अप्रैल तथा सितम्बर मासयोः माध्यमस्य समीपे; अन्येषु मासेषु सामान्यतः माध्यमात् अधिकः आसीत्। Mukho निरपेक्षघटनावारम्बारतायां स्पष्टतया उच्चतमं केन्द्रम् आसीत्; Jukbyeon, Daejin, Sokcho द्वितीयसमूहं, Hupo, Yangpo, Jinha न्यूनतरवारम्बारतासमूहं च अकुर्वन्।

एते परिणामाः भविष्यवर्षेषु कस्यचित् विशिष्टस्य उच्चतरङ्गस्य तिथिं पूर्वानुमीयमानं मौसमस्य वा तरङ्गस्य वा पूर्वानुमानmodel न सन्ति। अध्ययनं भूतकालीनक्षेत्रनिरीक्षणेभ्यः प्राप्तानां घटनासंख्यानां सम्भाव्यतावितरणं, ऋतुरचनां, केन्द्रान्तरसांख्यिकभेदांश्च विश्लेषयति। केवलः 17-वर्षीयः सामान्यकालः प्रयुक्तः इति कारणात् प्रत्येकं केन्द्रं प्रति वार्षिकस्य sample इत्यस्य आकारः 17 अस्ति; स्रोतः दीर्घतरैः, उदाहरणार्थं 40 वर्षाणि वा अधिकं व्याप्नुवद्भिः hindcast-श्रेणीभिः परवर्तीं सत्यापनं शंसति।

अनुसन्धानसमस्या का?

तूफानजनिताः तरङ्गाः तटसुरक्षायाः कृते महत्त्वपूर्णाः प्राकृतिकापदः सन्ति। किन्तु “बृहत्तरः तरङ्गः सम्भवति” इति केवलं ज्ञानं अभियांत्रिक्यै आपद्न्यूनीकरणाय च पर्याप्तं नास्ति। कस्मिंश्चित् तटीयप्रदेशे एतादृश्यः घटनाः कियद्वारं भवन्ति, केषु मासेषु वर्धन्ते, घटनासंख्याः कस्य सम्भाव्यतावितरणस्य अनुसरणं कुर्वन्ति, सीमितनिरीक्षणकालेन जाता अनिश्चितता च परिमाणतः ज्ञातव्या।

अस्य अध्ययनस्य अनुसन्धानरिक्तता एषा यत् कस्यचित् उच्चतरङ्गस्य वा सहसा जातस्य उच्चतरङ्गस्य वा घटनां केवलं एकां भौतिकघटनां मन्यमानः न परीक्षते; अपि तु एताः घटनाः count variable इति रूपेण स्थापयित्वा वितरणानुमानम् अनिश्चितताविश्लेषणं च करोति। घटनासंख्या 0, 1, 2, 3 इत्यादीनि विच्छिन्नानि मूल्यानि गृह्णाति; अतः सततसामान्यवितरणस्य स्थाने Poisson-कुलं स्वाभाविकः विकल्पः भवति।

के तटीयनिरीक्षणकेन्द्राः प्रयुक्ताः?

केन्द्राणाम् आदिनिरीक्षणारम्भाः समानाः न आसन्; केषुचित् केन्द्रेषु मापनानि मार्च 2003 एव आरब्धानि, अन्येषु अक्टूबर 2007 समीपे आरब्धानि, दत्तांशश्च 2025 जून–जुलाई कालपर्यन्तं विस्तृतः। किन्तु केन्द्राणां प्रत्यक्षतुलनायै शोधकाः 2008–2024 कालं चितवन्तः, यस्मिन् सर्वेषां केन्द्राणां सामान्याः पूर्णवार्षिकमापनानि उपलब्धानि।

अनुपस्थितदत्तांशः कथं व्यवहृतः?

स्रोतः मासिकानुपस्थितदत्तांशानुपातस्य कृते %70 सीमा निर्दिशति। स्रोतपाठः वदति यत् अनुपस्थितानुपातः एतां सीमाम् अतिक्रामति चेत् उपलब्धदत्तांशेन अनुमानिता संख्यासूचना प्रयुज्यते; अनुपातः सीमायाः अधः अस्ति चेत् तस्मिन् काले उच्चतरङ्गघटनानां/सहसा जातानां उच्चतरङ्गघटनानां संख्यानुमानं अपूर्णं स्यात् इति विचिन्त्य अन्यवर्षाणां तस्यैव मासस्य घटनासंख्यानां median इत्यनेन पूरणं क्रियते।

एषः निर्देशः सामान्यस्य अनुपस्थितदत्तांशतर्कस्य विपरीतः इव दृश्यते; अतः Verianla-पाठः स्वकल्पनया सीमायाः दिशं न परिवर्तयति। स्रोतसि लिखितः क्रमः यथावत् रक्ष्यते, दत्तांशपूरणस्य उद्देश्यं सम्भाव्यं bias न्यूनं कर्तुम् इति निर्दिश्यते।

तरङ्गदत्तांशः कथं मापितः?

सर्वेषु सप्तसु केन्द्रेषु जलदबावाधारितः Wave and Tide Gauge (WTG) प्रयुक्तः। दबावस्पेक्ट्रं गणयित्वा जलगभीरतायाः कालस्य च आश्रितः दबाव–समुद्रपृष्ठविस्थापन transfer function प्रयुक्तः, ततः समुद्रपृष्ठपरिवर्तनस्य स्पेक्ट्रं प्राप्तम्।

स्रोतः सम्पूर्णदत्तांशश्रेण्याः प्रत्येकं 30 निमेषेषु 0.5 सेकण्ड-अन्तरे मापितानि 2,048 क्रमागतानि sample चिनोति। एते खण्डाः spectral analysis मध्ये प्रयुक्ताः।

समीकरणम् 1: Significant wave height

\(\displaystyle H_s=4\sqrt{m_0}\)

1. सूत्रं किं गणयति? समुद्रपृष्ठस्य तरङ्गस्पेक्ट्रात् spectral significant wave height गणयति।

2. चराः: \(H_s\) significant wave height अस्ति; स्रोतः \(H_{m0}\) इति चिह्नम् अपि प्रयुङ्क्ते। \(m_0\) समुद्रपृष्ठविस्थापनस्पेक्ट्रस्य शून्यक्रमस्य moment अस्ति।

3. मात्रकानि: \(H_s\) metre; \(m_0\) प्रायः square metre मात्रके अस्ति। वर्गमूलगणनया metre लभ्यते।

4. गणितीयभूमिका: स्पेक्ट्रस्य अधः सञ्चितां समग्रां variance-सूचनां एकस्मिन् लाक्षणिके तरङ्गोच्चतामाने परिणमयति।

5. भौतिकार्थः: समुद्रपृष्ठस्य तरङ्गऊर्जायाः/परिवर्तनशीलतायाः लाक्षणिकं परिमाणं निरूपयति।

6. अध्ययनस्य शर्तः: उच्चतरङ्गचयनस्य मुख्यः भौतिकचरः \(H_s\) अस्ति, सीमा च 3 m अस्ति।

7. व्याख्या: \(m_0\) चतुर्गुणं वर्धते चेत् वर्गमूलकारणात् \(H_s\) द्विगुणं भवति।

समीकरणम् 2: Spectral moment

\(\displaystyle m_n=\int_{f_1}^{f_2} f^n S(f)\,df\)

1. सूत्रं किं गणयति? तरङ्गस्पेक्ट्रस्य \(n\). spectral moment गणयति।

2. चराः: \(f\) frequency; \(S(f)\) frequency \(f\) मध्ये समुद्रपृष्ठपरिवर्तनस्य spectral density function; \(f_1\) तथा \(f_2\) अधः ऊर्ध्वं च cutoff frequency स्तः।

3. मात्रकानि: \(S(f)\) सामान्यतः m²/Hz परिमाणे अस्ति; \(m_n\) इत्यस्य dimension \(n\) इत्यस्मिन् निर्भरति। \(m_0\) कृते परिणामः m² परिमाणे अस्ति।

4. गणितीयभूमिका: frequency-घातैः स्पेक्ट्रं भारयित्वा तरङ्गक्षेत्रस्य भिन्नानि spectral लक्षणानि संक्षेपेण निरूपयति।

5. अध्ययनस्य मूल्यानि: स्रोतः \(f_1=5/128\,\mathrm{Hz}\) तथा \(f_2=64/128\,\mathrm{Hz}\) प्रयुक्तवान्। एते प्रायः 25.6 सेकण्ड तथा 2 सेकण्ड इति कालसीमाभ्यां अनुरूपे स्तः।

6. स्थिरसीमा किमर्थं प्रयुक्ता? स्रोतः वदति यत् \(0.6f_p\) तथा \(3.0f_p\) इव peak frequency-अनुसारं परिवर्तमानाः सीमाः, काले परिवर्तमानस्य \(f_p\) कारणेन परिवर्तनीयम् integral interval निर्मान्ति; पूर्वाध्ययनमाश्रित्य स्थिरम् interval वरणीयम् इति स्वीकरोति।

7. व्याख्या: समीकरणे 1 प्रयुक्तं \(m_0\), अस्य समीकरणस्य \(n=0\) विशेषावस्था अस्ति।

Significant wave period \(T_{1/3}\) किम्?

अध्ययनं केवलं तरङ्गोच्चतां न, zero-up-crossing पद्धत्या गणितं significant wave period \(T_{1/3}\) अपि प्रयुक्तवान्। \(T_{1/3}\) तरङ्गाणां लाक्षणिकं कालमानं निरूपयति, विशेषतः सहसा जातानाम् उच्चतरङ्गनिदर्शनानां कालगतविकासस्य व्याख्यायां साहाय्यं करोति।

पूर्वतन energy-slope पद्धतिः का आसीत्?

लेखः वदति यत् पूर्वाध्ययनानि सहसा जातस्य उच्चतरङ्गस्य तीव्रतां मूल्याङ्कयितुं तरङ्गोच्चतायाः slope इत्यनेन सह प्रायः तरङ्गऊर्जामानरूपेण

\(\displaystyle \widetilde{E}=H^2L\)

इति पदं तथा तस्य कालगतपरिवर्तनदरं \(\Delta\widetilde{E}/\Delta t\) प्रयुक्तवन्ति। Kim इत्यस्य सहलेखकानां पूर्वाध्ययने अस्य energy-change rate इत्यस्य ऊर्ध्व %20 भागाय अनुरूपा 88.6 m³/saat सीमा सहसा जातानाम् उच्चतरङ्गाणां चयनाय प्रयुक्ता।

एषः energy-slope मानदण्डः वर्तमानलेखस्य अन्तिमः सहसा जातस्य उच्चतरङ्गस्य चयनविधिः नास्ति; केवलं पूर्वपद्धतेः तुलनात्मकपृष्ठभूमिः अस्ति। वर्तमानाध्ययनं कालस्य significant wave height इत्यस्य च सीमाभिः निर्मितां Jeong इत्यादीनां पद्धतिं प्रयुङ्क्ते।

अस्मिन् अध्ययने सहसा जातः उच्चतरङ्गः कथं परिभाषितः?

सहसा जातः उच्चतरङ्गः विशेषा उच्चतरङ्गघटना अस्ति: आरम्भे \(H_s\leq1.25\,\mathrm{m}\) इति शान्ता/न्यूनतरङ्गस्थितिः न्यूनतमं \(t_c=3\) घण्टाः धार्यते, ततः \(t_s=12\) घण्टानां मध्ये \(H_s\geq3\,\mathrm{m}\) इति उच्चतरङ्गस्थितिः प्राप्यते; स्रोतः एताः शर्ताः 24 घण्टानां घटनारूपरेखायाः अन्तर्गतं मूल्याङ्कनीयाः इति अपि निर्दिशति।

उच्चतरङ्गघटनाः पृथक् किमर्थं संयोज्यन्ते?

तूफानकाले \(H_s\) अल्पकालं 3 m अधः गत्वा पश्चात् पुनः 3 m अतिक्रमितुं शक्नोति। केवलं सीमातिक्रमणानि गणयित्वा एक एव भौतिकतूफानः द्वे वा तिस्रः वा स्वतन्त्रघटनाः इव दृश्येत।

अतः अध्ययनं निम्नं कार्यात्मकं नियमं प्रयुक्तवान्:

• क्रमागतयोः \(H_s\geq3\,\mathrm{m}\) उच्चतरङ्गखण्डयोः अन्तरकालः ≤48 घण्टाः भवेत्।
• अस्मिन् अन्तरकाले न्यूनतमं \(H_s\geq1.5\,\mathrm{m}\) भवेत्।
• उभे शर्ते पूर्णे चेत् खण्डौ एकैव उच्चतरङ्गघटना इति गण्येते।

Mukho अभिलेखेषु संवेदनशीलतायै [24 घण्टाः, 1.5 m] तथा [72 घण्टाः, 1.0 m] विकल्पौ अपि तुलितौ। स्रोतसि दत्ते प्रायः 20-वर्षीय-Mukho निदर्शने क्रमशः 268 तथा 252 उच्चतरङ्गघटनाः प्राप्ताः; मुख्ये [48 घण्टाः, 1.5 m] मानदण्डे 260 घटनाः प्राप्ताः। विकल्पानां मुख्यमानदण्डात् भेदः प्रायः ±%3.1 परिमाणे अस्ति।

घटनासंख्याः Poisson वितरणेन किमर्थं model क्रियन्ते?

घटनासंख्या सततं परिमाणं नास्ति, किन्तु 0, 1, 2, 3… इत्यादीनि पूर्णाङ्कमूल्यानि गृह्णन् count variable अस्ति। Poisson वितरणं निश्चिते काल/स्थान-अन्तरे जायमानानां घटनानां संख्यां निरूपयितुं प्रयुज्यमानेषु मूलभूतेषु विच्छिन्नसम्भाव्यतावितरणेषु एकम् अस्ति।

अस्मिन् अध्ययने Poisson वितरणं किं निरूपयति?

Poisson वितरणं कस्मिंश्चित् केन्द्रे निश्चिते मासिके वा वार्षिके वा कालान्तरे कति स्वतन्त्राः उच्चतरङ्गघटनाः अथवा सहसा जाताः उच्चतरङ्गघटनाः भविष्यन्ति इत्यस्य probability mass function एकेन \(\lambda\) घटनादरparameter इत्यनेन निरूपयितुं प्रयुक्तम्।

समीकरणम् 3: Poisson probability mass function

\(\displaystyle f_X(k;\lambda)=P(X=k)=\frac{\lambda^k e^{-\lambda}}{k!},\quad k=0,1,2,\ldots,\quad \lambda>0\)

1. सूत्रं किं गणयति? निश्चिते काले ठीकं \(k\) घटनाः भवितुं सम्भाव्यताम्।

2. चराः: \(X\) घटनासंख्यायाः random variable; \(k\) निरीक्षिता घटनासंख्या; \(\lambda\) अपेक्षिता माध्यघटनासंख्या अस्ति।

3. मात्रकानि: \(k\) dimension-विहीना घटनासंख्या अस्ति। \(\lambda\) चयनितकालखण्डे अपेक्षिता घटनासंख्या; मासिकविश्लेषणे घटना/मास इति व्याख्येयम्।

4. गणितीयभूमिका: एकेन parameter इत्यनेन सम्पूर्णं विच्छिन्नं probability mass निरूपयति।

5. Poisson इत्यस्य मूललक्षणम्: आदर्शे Poisson model मध्ये सैद्धान्तिकं माध्यमं variance च समाने स्तः।

6. अध्ययनस्य भूमिका: सप्तसु केन्द्रेषु उच्चतरङ्गाणां सहसा जातानां उच्चतरङ्गाणां च count-वितरणानि निरूपयितुं मूलmodel अस्ति।

7. व्याख्या: \(\lambda\) वर्धते चेत् शून्यघटनायाः सम्भाव्यता \(e^{-\lambda}\) न्यूनतरा भवति, अधिकघटनासंख्यानां सम्भाव्यता च वर्धते।

समीकरणम् 4: Poisson likelihood तथा log-likelihood

\(\displaystyle L(\lambda)=\prod_{i=1}^{n}f_X(k_i;\lambda) =\prod_{i=1}^{n}\frac{\lambda^{k_i}e^{-\lambda}}{k_i!}\)

\(\displaystyle \ln L(\lambda)= \sum_{i=1}^{n}\left[k_i\ln\lambda-\lambda-\ln(k_i!)\right]\)

model-parameter अज्ञातः चेत् निरीक्षितदत्तांशं सर्वाधिकसम्भाव्यं करोति यत् parameter-मूल्यं तत् ज्ञातुं likelihood प्रयुज्यते। गुणनरूपे likelihood गणनासौकर्याय logarithm-रूपे परिणमिते योगरूपं भवति।

स्रोतसि निष्पादिता maximum likelihood शर्तः:

\(\displaystyle \frac{\partial\ln L(\lambda)}{\partial\lambda} = \sum_{i=1}^{n}\left(\frac{k_i}{\lambda}-1\right)=0 \)

अतः

\(\displaystyle \hat{\lambda}_{opt}= \frac{1}{n}\sum_{i=1}^{n}k_i=\bar{k} \)

प्राप्यते।

अस्य परिणामस्य अर्थः कः? Poisson वितरणस्य maximum-likelihood अनुमानने \(\lambda\) sample मध्ये घटनासंख्यायाः माध्यमेन समानः। उदाहरणार्थं Mukho कृते मासिकउच्चतरङ्गमाध्यमः 1.118 अस्ति; अतः मूलPoisson model मध्ये \(\hat{\lambda}=1.118\) भवति।

Poisson model इत्यस्य माध्यम-variance शर्तः किमर्थं महत्त्वपूर्णा?

Poisson वितरणस्य आदर्शरचनायाम्

\(\displaystyle E[X]=Var[X]=\lambda\)

इति अपेक्ष्यते। वास्तविकदत्तांशे sample-माध्यमं variance च पूर्णतया समानौ भवितुं न आवश्यकौ; किन्तु महान् भेदः model-fit विषये प्रश्नं जनयितुं शक्नोति।

स्रोतः एतं भेदं dispersion इति संकल्पनया परीक्षते।

पाठे दत्तः dispersion index-परिभाषा:

\(\displaystyle D=\frac{s_k^2}{\bar{k}}\)

अत्र \(s_k^2\) घटनासंख्यानां sample variance, \(\bar{k}\) च माध्यमम् अस्ति।

पाठस्य परिभाषानुसारम्:

• \(D>1\): over-dispersion, अर्थात् variance माध्यमात् अधिकम्।
• \(D<1\): under-dispersion, अर्थात् variance माध्यमात् न्यूनम्।
• \(D\approx1\): Poisson इत्यस्य equi-dispersion परिकल्पनया अनुरूपम्।

स्रोतस्य अन्तर्गतः महत्त्वपूर्णः विरोधः: Table 3 मध्ये “D. index” इति शीर्षके दत्ताः संख्याः उपर्युक्तं \(s_k^2/\bar{k}\) अनुपातं न, अपि तु संख्यात्मकतया \(\bar{k}/s_k^2\) अनुपातं ददति। उदाहरणार्थं Mukho उच्चतरङ्गेषु \(\bar{k}=1.118\), \(s_k^2=1.346\) अस्ति। Table 3 मध्ये 0.831 इति मूल्यं \(1.118/1.346\) समम्; पाठस्य समीकरणे \(D\) तु प्रायः 1.204 भवति। Verianla एतयोः परिभाषयोः एकां मौनेन “सम्यक्” इति स्वीकृत्य सारणीं न परिवर्तयति।

Sample-अनिश्चिततया सह equi-dispersion कथं व्याख्यातम्?

पूर्णसमतायाः स्थाने स्रोतः माध्यमस्य अनुमानinterval प्रयुज्य variance स्वीकार्यक्षेत्रे अस्ति वा न इति अपश्यत्। स्रोतसि दत्तः तर्कः:

Equi-dispersion: \(\displaystyle k_L\leq s_k^2\leq k_U\)

Over-dispersion: \(\displaystyle k_U\leq s_k^2\)

Under-dispersion: \(\displaystyle s_k^2\leq k_L\)

अत्र \(k_L\) तथा \(k_U\) माध्यघटनासंख्यायाः अधःसीमाम् ऊर्ध्वसीमां च निरूपयतः। स्रोतः एते सीमौ एकस्मिन् स्थाने normal distribution द्वारा प्राप्तं %90 confidence interval, अन्यस्मिन् स्थाने %95 confidence interval इति परिभाषयति; अतः Verianla confidence-स्तरं एकस्मिन् मूल्ये न स्थिरीकरोति।

Mukho केन्द्रं Zero-Inflated Poisson द्वारा पृथक् किमर्थं model कृतम्?

Mukho मध्ये मासिकघटनामाध्यमाः बहुभ्यः अन्यकेन्द्रेभ्यः अधिकाः सन्ति, तथापि शून्यघटनानिरीक्षणानि sample variance च standard Poisson-रचनया दृश्यतः पर्याप्तरूपेण न निरूपिते। अतः सामान्यPoisson-प्रक्रियायाः अतिरिक्तं “अधिकशून्य” घटकं युक्तं Zero-Inflated Poisson model प्रयुक्तम्।

समीकरणम् 5: Zero-Inflated Poisson model

शून्यघटनायै:

\(\displaystyle P(X=0)=z_0+(1-z_0)e^{-\lambda} \)

धनात्मकघटनासंख्याभ्यः:

\(\displaystyle P(X=k)=(1-z_0)\frac{\lambda^k e^{-\lambda}}{k!}, \quad k=1,2,\ldots \)

\(z_0\) किम्? Standard Poisson-प्रक्रियायाः बहिः अतिरिक्तशून्यजनकmechanism इत्यस्य mixture-weight अस्ति। \(z_0=0\) भवति चेत् model standard Poisson इत्यत्र परिवर्तते।

\(\lambda\) किम्? ZIP model इत्यस्य Poisson-घटकस्य घटनादर/माध्यमparameter अस्ति।

द्वौ mechanism किमर्थम्? एकस्मिन् निरीक्षणे शून्यघटना वा “अतिरिक्तशून्य” mechanism इत्यस्मात् \(z_0\) सम्भाव्यतया प्रत्यक्षं जायते, वा Poisson-घटकस्य स्वाभाविकया शून्यसम्भाव्यतया \(e^{-\lambda}\) जायते।

ZIP-parameter इत्यस्य Lambert W द्वारा closed-form समाधानम्

स्रोतः Dencks इत्यादीनां closed-form समाधानं प्रयुङ्क्ते:

\(\displaystyle \hat{\lambda}=W_0(-se^{-s})+s \)

अत्र

\(\displaystyle s=\frac{\bar{k}}{1-r_0} =\frac{n\bar{k}}{n-n_0} \)

तथा

\(\displaystyle r_0=\frac{n_0}{n}\)

इति परिभाषितम्।

\(n\) सर्वनिरीक्षणानां संख्या, \(n_0\) येषु घटनासंख्या शून्या तेषां निरीक्षणानां संख्या, \(\bar{k}\) निरीक्षिता माध्यघटनासंख्या। \(W_0\) Lambert W function इत्यस्य principal branch अस्ति। अध्ययनं गणनायां R program मध्ये pracma package इत्यस्य lambertWp() function प्रयुक्तवान्।

स्रोतः विकल्परूपेण निम्नं nonlinear equation पुनरावृत्त्या समाधातुं शक्यते इति अपि वदति:

\(\displaystyle g(\lambda)= \bar{k}(1-e^{-\lambda}) -\lambda\left(1-\frac{n_0}{n}\right)=0 \)

आरम्भानुमानरूपेण \(\lambda_0=\bar{k}\) प्रयुक्तुं शक्यते।

समीकरणम् 6: Zero-inflation parameter

\(\displaystyle z_0=1-\frac{\bar{k}}{\hat{\lambda}}, \qquad 0\leq z_0\leq1 \)

Poisson-घटकस्य \(\hat{\lambda}\) मूल्यं निर्धारिते, निरीक्षितमाध्यमस्य अस्य गुप्तPoisson-माध्यमस्य च भेदः zero-inflation weight ददाति।

समीकरणम् 7: Moment-पद्धत्या ZIP-अनुमानम्

स्रोतः moment-पद्धतिमाश्रित्य एतानि अनुमानानि अपि ददाति:

\(\displaystyle \hat{z}_0= \frac{s_k^2-\bar{k}} {s_k^2+\bar{k}^2-\bar{k}} \)

\(\displaystyle \hat{\lambda}= \frac{s_k^2+\bar{k}^2-\bar{k}} {\bar{k}} \)

एतत् द्वितीयं पदं तुल्यरूपेण \(\hat{\lambda}=\bar{k}+s_k^2/\bar{k}-1\) इति अपि पठितुं शक्यते।

Moment-पद्धतिः केवलं sample-माध्यमं variance च उपयुङ्क्ते; maximum likelihood पद्धतिः तु दत्तांशस्य सम्पूर्णां likelihood-रचनां प्रयुङ्क्ते। Mukho मध्ये उभयोः पद्धत्योः परिणामाः परस्परं अत्यन्तं समीपाः इति स्रोतः विशेषतया बलं ददाति।

Mukho ZIP-parameters

MLE तथा MOM अनुमानयोः समीपता दर्शयति यत् Mukho ZIP-parameters अनुमानपद्धतेः परिवर्तनात् अत्यधिकं न परिवर्तन्ते। स्रोतः प्रायः व्याख्यायां उच्चतरङ्गेषु zero-inflation योगदानं %15, सहसा जातेषु उच्चतरङ्गेषु %27 इति मन्यते।

वितरणस्य fit कथं परीक्षितम्?

स्रोतः त्रयः भिन्नाः goodness-of-fit दृष्टयः प्रयुक्तवान्:

χ² goodness-of-fit: विच्छिन्नघटनासंख्याः probability mass function समूहैः तुल्यन्ते।

Cramér–von Mises: empirical cumulative distribution function तथा theoretical cumulative distribution function इत्योः भेदं मूल्याङ्कयति।

Anderson–Darling: CDF-भेदान् मूल्याङ्कयन् विशेषतः वितरणस्य पुच्छभागे अधिकं भारं ददाति।

स्रोतस्य महत्त्वपूर्णा पद्धतिसम्बद्धा चर्चा एषा यत् मासिक \(n=204\) श्रेणीषु χ² तथा Cramér–von Mises/Anderson–Darling परीक्षणानि भिन्ननिर्णयान् ददति। χ² परीक्षणं सामान्यतः Poisson-परिकल्पनां न निराकरोति, किन्तु CDF-आधारितपरीक्षणानि Mukho उच्चतरङ्गस्थितेः अतिरिक्तं बहुषु प्रसङ्गेषु \(p<0.05\) ददति।

लेखकाः एतत् बृहति sample मध्ये CDF-आधारितपरीक्षणानि अतीव सूक्ष्मान्, व्यवहारतः अल्पमहत्त्वान् भेदान् अपि सांख्यिकरूपेण पृथक्कर्तुं शक्नुवन्ति, तथा एतानि परीक्षणानि मूलतः सततचराणां कृते विकसितानि इति कारणाभ्यां सम्बध्नन्ति। अतः ते वितरणचयनं दृश्यसाम्येन विच्छिन्नचराय χ²-परिणामेन च सह व्याख्यातुं रोचन्ते।

एषा वरीयता लेखकानां पद्धतिसम्बद्धा व्याख्या अस्ति; “Cramér–von Mises तथा Anderson–Darling विच्छिन्नदत्तांशे कदापि प्रयोज्यौ न” इति सामान्यसांख्यिकी-नियमरूपेण न परिवर्तनीया।

अध्ययनस्य विधिः परिणामाश्च

सम्पूर्णविश्लेषणप्रवाहः

स्वतन्त्रतापरीक्षणानि

Poisson model प्रयोजयितुं पूर्वं घटनासंख्याश्रेण्यः स्वतन्त्राः सन्ति वा इति महत्त्वपूर्णम्। अध्ययनं द्वे पद्धती प्रयुक्तवान्:

Ljung–Box परीक्षणम्: श्रेण्यां बहुषु lag-मूल्येषु autocorrelation एकत्र शून्यम् अस्ति वा इति परीक्षते।

Runs परीक्षणम्: श्रेण्याः क्रमणि randomness/स्वतन्त्रतया अनुरूपा runs-रचना अस्ति वा इति परीक्षते।

उभयोः परीक्षणयोः स्रोतः significance level \(\alpha=0.05\) इति प्रयुक्तवान्। Null hypothesis “दत्तांशः स्वतन्त्रताशर्तं पूरयति” इति परिभाषितः। अतः \(p>0.05\) स्वतन्त्रता सिद्धा इति न, किन्तु स्वतन्त्रतापरिकल्पना निराकर्तुं न शक्यते इति अर्थः।

सर्वे वार्षिकाः p-मूल्याः 0.05 इत्यस्मात् अधिकाः; स्वतन्त्रतापरिकल्पना निराकर्तुं न शक्यते। किन्तु प्रत्येकं केन्द्रं प्रति केवलानि 17 वार्षिकनिरीक्षणानि सन्ति, अतः परीक्षणस्य power न्यूनं भवति Type II error-जोखिमश्च वर्धते।

मासिकस्तरे बहूनि p-मूल्यानि 0.05 इत्यस्मात् न्यूनानि। अतः स्रोतः मासिकश्रेणीः सामान्यतः स्वतन्त्राः मन्यन्ते इति समस्याजनकं वदति। मासिकcount-दत्तांशः बृहत्तरे sample मध्ये वितरणं परीक्षितुं पुनः प्रयुक्तः; किन्तु अस्मिन् दत्तांशे स्वतन्त्रतापरिकल्पनामाश्रित्य उन्नतसांख्यिकनिष्कर्षे सावधानता आवश्यकी।

मासिकउच्चतरङ्गघटनासंख्याः

अस्यां सारण्यां Mukho मासिकमाध्यमेन 1.118 उच्चतरङ्गघटनाभिः स्पष्टतया उच्चतमं केन्द्रम्। Jukbyeon 0.701, Daejin 0.652, Sokcho 0.583 इति अनन्तरसमूहं निर्मान्ति। Hupo 0.544, Yangpo 0.456, Jinha 0.377 न्यूनतरमाध्यमानि धारयन्ति।

Table 3 मध्ये “D. index” स्तम्भः उपर्युक्तस्रोतान्तर्गतसूत्रविरोधकारणात् केवलं स्रोतसि यथा मुद्रितः तथा प्रस्तुतः; पाठस्य \(D=s_k^2/\bar{k}\) सूत्रेण समानः index इति पुनर्व्याख्या न कार्या।

मासिकाः सहसा जाताः उच्चतरङ्गघटनासंख्याः

सहसा जातेषु उच्चतरङ्गेषु अपि Mukho 0.730 घटना/मास इत्यनेन उच्चतमं माध्यमं धारयति। Daejin तथा Jukbyeon प्रायः 0.43, Sokcho प्रायः 0.36; Hupo, Yangpo, Jinha तु प्रायः 0.23–0.27 घटना/मास स्तरं धारयन्ति।

वार्षिकघटनावारम्बारता कस्मिन् परिमाणे अस्ति?

स्रोतस्य पाठसारानुसारं वार्षिकउच्चतरङ्गघटनावारम्बारता केन्द्रानुसारं प्रायः 4.5–13.42 घटना/वर्ष, सहसा जातस्य उच्चतरङ्गस्य वारम्बारता प्रायः 2.7–8.8 घटना/वर्ष इति परिमाणे अस्ति।

एतानि मूल्यानि मौसमसंस्थानां “तूफानीसमुद्रचेतावनी यावत् दिवसान् प्रभावी आसीत्” इति चरेण समानानि न। स्रोतः विशेषतः घटनासंख्यां चेतावनीदिवससङ्ख्यां च प्रत्यक्षतया न तुलनीयम् इति बलं ददाति।

Poisson goodness-of-fit परिणामः कथं व्याख्यातः?

वार्षिकcount-दत्तांशे प्रत्येकं केन्द्रं प्रति केवलं \(n=17\) दत्तांशबिन्दवः सन्ति। Cramér–von Mises, Anderson–Darling, χ² परीक्षणेषु \(p>0.05\) परिणामाः प्राप्ताः; Poisson null hypothesis न निराकृतः।

किन्तु लेखकाः एतत् “Poisson वितरणं निश्चिततया सिद्धम्” इति न व्याख्यायन्ति। अल्पsample कारणात् सांख्यिकpower न्यूनं, Type II error सम्भाव्यता अधिका च स्यात् इति ते स्पष्टतया चर्चयन्ति। अन्यथा उक्ते, model-दत्तांशयोः वास्तविकः भेदः अल्पsample कारणात् न ज्ञातः स्यात्।

मासिकदत्तांशं प्रति किमर्थं गताः?

वार्षिक \(n=17\) sample लघु अस्ति। तान्येव 17 वर्षाणि मासेषु विभज्य प्रत्येकं केन्द्रं प्रति \(17\times12=204\) मासिकcount लभ्यते, वितरणरूपं च अधिकविस्तारेण दृश्यते।

अस्य मूल्यं तु एतत् यत् बहुषु मासिकसंख्यासु स्वतन्त्रतापरिकल्पना भङ्गते। स्रोतः एतं विरोधं स्वीकरोति, मासिकदत्तांशं मुख्यतः वितरणतुलनायै distribution fit कृते च प्रयुङ्क्ते।

χ² तथा Cramér–von Mises / Anderson–Darling किमर्थं भिन्नपरिणामौ दत्तवन्तौ?

मासिक \(n=204\) दत्तांशे χ² परीक्षणानि Table 3 मध्ये सर्वेषु केन्द्रेषु \(p>0.05\) ददति, Poisson-परिकल्पनां च न निराकुर्वन्ति। परन्तु CDF-आधारितानि Cramér–von Mises तथा Anderson–Darling परीक्षणानि Mukho उच्चतरङ्गस्थितेः अतिरिक्तं बहुषु संयोजनेषु \(p<0.05\) दत्तवन्ति।

स्रोतस्य दृश्यfit-आलेखेषु निरीक्षिताः अनुमानिताश्च सम्भाव्यताः परस्परं निकटाः दृश्यन्ते। लेखकाः बृहति sample मध्ये अतीव सूक्ष्मभेदाः CDF-परीक्षणैः significant कर्तुं शक्यन्ते इति चर्चयन्तः count-दत्तांशाय χ²-पद्धतिः अधिकव्यावहारिकी इति प्रतिपादयन्ति।

अयं विभागः p-value केवलं “model उत्तमः/दुष्टः” इति यन्त्रवत् न व्याख्येयः इति अपि शिक्षयति। Sample आकारः, test power, Type I तथा Type II error, practical effect size च संयुक्तरूपेण मूल्याङ्कनीयाः।

Mukho अन्येभ्यः केन्द्रेभ्यः किमर्थं भिन्नम्?

Mukho उच्चतरङ्गेषु सहसा जातेषु उच्चतरङ्गेषु च उच्चतमं मासिकमाध्यमं धारयति। तदतिरिक्तं शून्यघटनानां वितरणे भूमिका तथा माध्यम-variance सम्बन्धः standard Poisson इत्यस्मात् अधिकं स्पष्टतया भिन्नौ स्तः।

ZIP model शून्यघटनाक्षेत्रे दृश्यfit वर्धितवान्, MLE तथा MOM parameters च परस्परं निकटपरिणामान् दत्तवन्तः। अतः स्रोतः सर्वाणि केन्द्राणि स्वयमेव ZIP प्रति न नीतवान्, केवलं Mukho कृते अतिरिक्तं ZIP-विश्लेषणं कृतवान्।

मासिकऋतुरचना

लेखकाः प्रत्येकस्य मासस्य वार्षिकसमग्रघटनासंख्यायाम् अनुपातं गणितवन्तः, R program इत्यस्य prop.test() function द्वारा %95 confidence interval अनुमानं च कृतवन्तः। पृथक् केन्द्रेषु विशेषतः सहसा जातानाम् उच्चतरङ्गाणाम् अल्पघटनासंख्या confidence intervals विस्तारितवती।

सर्वेषां केन्द्राणां संयोजने sample-संख्या वर्धिता; अतः confidence intervals सङ्कुचितानि, सामान्यऋतुरचना च अधिकस्पष्टा अभवत्।

स्रोतः फरवरी मासस्य confidence interval माध्यमात् केवलं किञ्चित् अधिकम् इति अपि निर्दिशति; परिणामविभागस्य सामान्यवर्गीकरणे तु अप्रैल तथा सितम्बर विहाय, मई–अगस्तेतराः मासाः माध्यमात् अधिकाः इति मन्यन्ते।

पृथक् केन्द्रेषु न्यूनऋतुः

उच्चतरङ्गेषु सांख्यिकरूपेण स्पष्टाः न्यूनकालाः Daejin मध्ये जून–जुलाई, Mukho मध्ये मई–अगस्त, Jukbyeon मध्ये मई–जुलाई, Hupo मध्ये जून इति प्रतिवेदिताः।

सहसा जातस्य उच्चतरङ्गस्य स्थितौ Daejin तथा Sokcho कृते जून–जुलाई, Mukho कृते मई–अगस्त, Jukbyeon कृते मई–जुलाई, Hupo कृते जून इति न्यूनकालः निर्दिष्टः। सर्वेषां केन्द्राणां सामान्यरूपेण माध्यमात् न्यूनं स्थितः एक एव मासः जून इति मूल्याङ्कितः।

उच्चतरङ्गाणां कियत् अंशः सहसा जातः उच्चतरङ्गः?

स्रोतः सहसा जाताः उच्चतरङ्गाः उच्चतरङ्गाणाम् उपसमूहः इति बलं ददाति। Hupo तथा Yangpo मध्ये सहसा जातानाम् उच्चतरङ्गाणाम् उच्चतरङ्गेषु अनुपातः %50 इत्यस्मात् किञ्चित् न्यूनः; अन्येषु केन्द्रेषु प्रायः %60–66 स्तरः।

एते अनुपाताः “उच्चतरङ्गाणां %60 अवश्यं जोखिमयुक्ताः सहसाघटनाः” इति सार्वत्रिकपरिणामः न। अनुपाताः अस्य अध्ययनस्य घटनापरिभाषाभ्यः, सप्तभ्यः केन्द्रेभ्यः, 2008–2024 कालाय च विशिष्टाः।

स्थानिकcorrelation किं दर्शितवान्?

अध्ययनं वार्षिकउच्चतरङ्गघटनासंख्यानां सहसा जातानाम् उच्चतरङ्गघटनासंख्यानां च केन्द्रान्तरcorrelation सर्वेषु द्विकेन्द्रयुग्मेषु मूल्याङ्कितवान्। स्रोतः पृथक् correlation coefficient समीकरणं वा पद्धतेः नाम वा न ददाति; अतः Verianla एतत् स्वयमेव “Pearson correlation” इति न नामयति।

उच्चतरङ्गेषु समीपस्थयोः Daejin–Sokcho केन्द्रयोः प्रायः 0.70, Jukbyeon–Hupo केन्द्रयोः प्रायः 0.76 correlation आसीत्। Yangpo–Jinha सम्बन्धः तु अत्यन्तं दुर्बलः।

सहसा जातेषु उच्चतरङ्गेषु Daejin–Sokcho correlation प्रायः 0.57; अन्येषु बहुषु केन्द्रयुग्मेषु correlation प्रायः 0.3 अथवा ततो न्यूनम्।

लेखकानां व्याख्या एषा यत् भौगोलिकसमीपता किञ्चित् प्रभावं करोति, तथापि प्रत्येकनिरीक्षणकेन्द्रस्य समुद्रप्रदेशविशिष्टः स्थानीयस्वभावः सामान्यतः प्रबलः। अतः सम्पूर्णतटरेखायां एकसमानः उच्चतरङ्गघटनाप्रवाहः अस्ति इति परिकल्पना उपयुक्ता न।

अध्ययनस्य समर्थिताः परिणामाः

• उच्चतरङ्गघटनानां सहसा जातानाम् उच्चतरङ्गघटनानां च संख्याः एतेषां सप्तकेन्द्राणां अस्य कालस्य च कृते सामान्यतः Poisson count model द्वारा युक्ततया निरूपयितुं शक्यन्ते।
• Mukho घटनावारम्बारतायां वितरणरचनायां च अन्येभ्यः केन्द्रेभ्यः स्पष्टतया भिन्नम्।
• Mukho कृते Zero-Inflated Poisson शून्यघटनाक्षेत्रे दृश्यfit सुधरति।
• वार्षिकcount-श्रेणीषु स्वतन्त्रतापरिकल्पना प्रयुक्तपरीक्षणेषु न निराकृता।
• मासिकcount-श्रेणीषु बहुषु केन्द्रेषु घटनाप्रकारेषु च स्वतन्त्रतापरिकल्पना निराकृता।
• संयुक्तपूर्वसमुद्रतटदत्तांशे मई–अगस्त न्यूनघटनानुपातकालः।
• अप्रैल तथा सितम्बर ऋतुसंक्रमणस्य/माध्यमस्तरस्य मासौ।
• Mukho उच्चतमम्; Jukbyeon, Daejin, Sokcho मध्यसमूहः; Hupo, Yangpo, Jinha न्यूनघटनावारम्बारतासमूहाः।
• कतिपयेषु समीपस्थकेन्द्रयुग्मेषु स्थानिकcorrelation उच्चः, किन्तु सहसा जातेषु उच्चतरङ्गेषु सामान्यcorrelation दुर्बलतरः।

अध्ययनस्य असमर्थिताः परिणामाः

• Poisson वितरणं जगतः सर्वेषु तटेषु उच्चतरङ्गघटनानां सार्वत्रिकं वितरणम् इति न दर्शितम्।
• अध्ययनं भविष्ये निश्चिततिथौ उच्चतरङ्गः भविष्यति इति वदन् operational weather/wave forecast model नास्ति।
• मासिकcount-श्रेण्यः सर्वेषु केन्द्रेषु स्वतन्त्राः न; अतः मासिकदत्तांशाधारितः प्रत्येकः सांख्यिकनिष्कर्षः असीमिततया ग्राह्यः न।
• 17-वर्षीया वार्षिकश्रेणी बृहद् sample न, वितरणfit-परीक्षणानां power च सीमितम्।
• Mukho कृते ZIP-परीक्षणं न सूचयति यत् सर्वाणि अन्यानि सम्भाव्यानि count-वितरणानि व्यवस्थिततया तुलितानि, ZIP च global optimum model इति चयनितम्।
• केन्द्रान्तरcorrelation कारणत्वं न दर्शयति।
• ऋतुगतघटनानुपातः पृथक् तूफानानां भौतिकोत्पत्तिमेकानिज्म न व्याख्यायति।
• जलवायुपरिवर्तनसम्बद्धः दीर्घकालीन trend अस्मिन् 17-वर्षीये सामान्यकालविश्लेषणे प्रत्यक्षतया न model कृतः।

अध्ययनस्य बलानि

प्रथमं बलम् एतत् यत् एकस्य केन्द्रस्य स्थाने पूर्वसमुद्रतटे उत्तरतः दक्षिणं विस्तृतानि सप्त निरीक्षणस्थानानि एकस्मिन् 17-वर्षीये कालखण्डे तुलितानि।

द्वितीयं बलम् एतत् यत् उच्चतरङ्गघटना केवलं \(H_s\geq3\,\mathrm{m}\) सीमातिक्रमणानां यन्त्रवत् गणनया न परिभाषिता; एक एव तूफानः अस्थायीक्षीणताकाले मिथ्या विभक्तः न भवेत् इति 48 घण्टाः तथा 1.5 m मानदण्डौ प्रयुक्तौ।

तृतीयं बलम् एतत् यत् सहसा जातस्य उच्चतरङ्गस्य कृते केवलं उच्चतरङ्गपरिमाणं न, पूर्वशान्तस्थितिः तथा उत्थानस्य कालमानम् अपि परिभाषितम्।

चतुर्थं बलम् एतत् यत् वितरणfit केवलं एकस्मिन् p-value मध्ये न निक्षिप्तम्; χ², Cramér–von Mises, Anderson–Darling, दृश्यfit, माध्यम-variance रचना, ZIP-तुलना च संयुक्ततया चर्चितानि।

पञ्चमं बलम् एतत् यत् लघुवार्षिकsample तथा बृहत्तरमासिकsample, यस्मिन् स्वतन्त्रतासमस्या अस्ति, तयोः सांख्यिकtrade-off स्पष्टतया चर्चितः।

मुख्यसीमाः

घटनास्वतन्त्रतायाः कार्यात्मकपरिभाषा: तूफानः वास्तवतः कदा समाप्तः, नूतनः तूफानः कदा आरब्धः इति केवलं सीमाभ्यः सर्वदा निश्चिततया ज्ञातुं न शक्यते। स्रोतः अधिकobjective storm-independence मानदण्डानाम् आवश्यकता अस्ति इति स्पष्टं वदति।

वार्षिकsample लघु अस्ति: प्रत्येकं केन्द्रं प्रति केवलानि 17 वार्षिकcount-मूल्यानि सन्ति। एतत् वितरणfit-परीक्षणेषु Type II error सम्भाव्यतां वर्धयितुं, power न्यूनं कर्तुं च शक्नोति।

मासिकsample स्वतन्त्रं नास्ति: \(n=204\) sample सांख्यिकpower वर्धयति, किन्तु ऋतुगतश्रेणीगतपरतन्त्रतया स्वतन्त्रतापरिकल्पनां दुर्बलीकरोति।

परीक्षणपरिणामाः परस्परं भिन्नाः: χ² तथा CDF-आधारितानि goodness-of-fit परीक्षणानि मासिकदत्तांशे भिन्ननिर्णयान् दातुं शक्नुवन्ति। परिणामः प्रयुक्तपरीक्षणस्य संवेदनशीलतायां निर्भरति।

Effect size समस्या: बृहति sample मध्ये सांख्यिकरूपेण significant दृश्यन्ते ये अतीव लघवः वितरणभेदाः, तेषां अभियांत्रिकव्यावहारिकमहत्त्वं समानं न भवेत्। स्रोतः Type I/Type II error तथा domain-specific effect-size मानदण्डान् संयुक्ततया मूल्याङ्कयितुं शंसति।

दीर्घकालीन trend न model कृतः: दीर्घतरhindcast-दत्तांशे जलवायुपरिवर्तनसम्बद्धाः trend कालक्रमेण वितरणparameters परिवर्तयितुं शक्नुवन्ति इति निर्दिश्यते।

अनुपस्थितदत्तांशविधेः पाठगतदिशा: %70 अनुपस्थितदत्तांशसीमायाः उपरि अधः च स्रोतसि दत्ता प्रक्रिया सामान्यापेक्षायाः भिन्ना इव दृश्यते; अतः पुनरुत्पादनाध्ययने मूलकोरियाई-विधिपाठः पृथक् परीक्षितव्यः।

स्रोतान्तर्गत D-index विरोधः: Table 3 सङ्ख्याः पाठे दत्तेन \(D=s_k^2/\bar{k}\) समीकरणेन न, अपि तु \(\bar{k}/s_k^2\) अनुपातेन अनुरूपाः।

स्रोतान्तर्गत confidence-स्तरविरोधः: Table 3 मध्ये \(k_L,k_U\) intervals पाठस्य भिन्नभागेषु %90 तथा %95 इति नामिताः।

भविष्याध्ययनाय स्रोतस्य प्रस्तावाः

लेखकाः स्वतन्त्रउच्चतरङ्गघटनाचयनाय अधिकobjective मानदण्डान् विकसितुं, 40 वर्षाणि वा अधिकं व्याप्नुवन्तीः hindcast-तरङ्गश्रेणीः मूल्याङ्कयितुं, दीर्घश्रेणीषु जलवायुपरिवर्तन/trend प्रभावयुक्तान् कालेन परिवर्तमानान् वितरणparameters परीक्षितुं च शंसन्ति।

स्रोतः सांख्यिकsignificance तथा व्यावहारिक/अभियांत्रिकsignificance पृथक्कर्तुं domain-specific effect-size सीमाः विकसितव्याः इति अपि बलं ददाति।

स्रोतविधिसम्बद्धा टिप्पणी

मूलशीर्षकम्: Distribution Estimation and Characteristic Analysis of the Number of the High Waves and Sudden High Waves in the East Coastal Seas.

लेखकाः क्रमश्च: Hong-Yeon Cho, Kyong-Ho Ryu, Ye-Chan Jeong, Weon-Mu Jeong.

समसहभागिता: स्रोतसि समानसहभागितायाः/सहप्रथमलेखकत्वस्य घोषणा नास्ति।

सम्पर्कलेखकः: Weon-Mu Jeong.

संस्था 1: Korea Institute of Ocean Science and Technology (KIOST); Hong-Yeon Cho, Principal Researcher.

संस्था 2: Maritime ICT & Mobility Research Department, Korea Institute of Ocean Science and Technology; Kyong-Ho Ryu, Research Scientist.

संस्था 3: Coast and Ocean Technology Research Institute; Ye-Chan Jeong, Engineer.

संस्था 4: Coast and Ocean Technology Research Institute; Weon-Mu Jeong, Advisor.

पत्रिका: Journal of Korean Society of Coastal and Ocean Engineers.

प्रकाशकः / वैज्ञानिकसंस्था: Korean Society of Coastal and Ocean Engineers.

खण्डः / अङ्कः / पृष्ठानि: 38(4), 194–209.

DOI: 10.9765/KSCOE.2026.38.4.194.

मुद्रिताङ्कः: अगस्त 2026.

आधिकारिक-ऑनलाइन-प्रकाशनतिथिः: 31 अगस्त 2026.

Received: 27 जुलाई 2026.

Revised: 14 अगस्त 2026.

Accepted: 17 अगस्त 2026.

स्रोतप्रकारः: समीक्षितं मौलिकं अनुसन्धानलेखम्; दीर्घकालीनक्षेत्रनिरीक्षणदत्तांशाधारितं सांख्यिकविश्लेषणम्।

Preprint स्थितिः: स्रोतः preprint नास्ति; प्रकाशितः पत्रिकालेखः अस्ति।

अनुज्ञा: आधिकारिकपत्रिकापृष्ठे Creative Commons Attribution Non-Commercial 3.0 (CC BY-NC 3.0) मुक्तप्रवेशानुज्ञा निर्दिष्टा।

अध्ययनप्रदेशः: दक्षिणकोरियादेशस्य पूर्वसमुद्रतटः।

केन्द्रसङ्ख्या: 7 — Daejin, Sokcho, Mukho, Jukbyeon, Hupo, Yangpo तथा Jinha.

सामान्यविश्लेषणकालः: 1 जनवरी 2008–31 दिसम्बर 2024, कुलं 17 वर्षाणि।

तरङ्गनिरीक्षणोपकरणम्: Water/Wave and Tide Gauge प्रकारस्य दबावाधारिततरङ्गमापनप्रणाली।

मुख्यतरङ्गचराः: significant wave height \(H_s=H_{m0}\) तथा significant wave period \(T_{1/3}\).

Sample-ग्रहणम्: प्रत्येकं 30 निमेषीयविश्लेषणसमये 0.5 सेकण्ड-अन्तरे 2,048 क्रमागतानि sample.

Spectral cutoff: \(f_1=5/128\,\mathrm{Hz}\), \(f_2=64/128\,\mathrm{Hz}\).

उच्चतरङ्गसीमा: \(H_s\geq3\,\mathrm{m}\).

एकघटनासंयोजनमानदण्डः: द्वयोः उच्चतरङ्गखण्डयोः अन्तरः ≤48 घण्टाः, तयोर्मध्ये न्यूनतमं \(H_s\geq1.5\,\mathrm{m}\).

सहसा जातस्य उच्चतरङ्गस्य आरम्भसीमा: \(H_s\leq1.25\,\mathrm{m}\).

सहसा जातस्य उच्चतरङ्गस्य लक्ष्यसीमा: \(H_s\geq3\,\mathrm{m}\).

शान्तिसंरक्षणकालः: \(t_c=3\) घण्टाः।

सहसोत्थानकालः: \(t_s=12\) घण्टाः।

मूलवितरणम्: Poisson.

अतिरिक्तवितरणम्: Mukho कृते Zero-Inflated Poisson.

Poisson parameter-अनुमानम्: Maximum Likelihood Estimation; \(\hat{\lambda}=\bar{k}\).

ZIP parameter-अनुमानम्: Lambert W-आधारितं closed-form MLE तथा Method of Moments.

R software: Lambert W कृते pracma package मध्ये lambertWp(); Cramér–von Mises तथा Anderson–Darling कृते goftest; Ljung–Box कृते मूलं Box.test(); runs test कृते tseries; मासिकानुपातconfidence intervals कृते prop.test().

स्वतन्त्रतापरीक्षणानि: Ljung–Box तथा runs tests, \(\alpha=0.05\).

Goodness-of-fit: χ², Cramér–von Mises तथा Anderson–Darling.

मासिकानुपातconfidence interval: %95; R prop.test().

Table 3 kL/kU टिप्पणी: स्रोतस्य अन्यभागेषु एते सीमौ %90 तथा %95 confidence interval इति उभयथा नामितौ; अतः confidence-स्तरः स्रोतान्तरे सुसङ्गतः नास्ति।

Table 3 D-index टिप्पणी: Table 3 मध्ये मुद्रिताः “D. index” सङ्ख्याः \(\bar{k}/s_k^2\) इत्यनेन अनुरूपाः, पाठः तु dispersion index \(D=s_k^2/\bar{k}\) इति परिभाषयति। Verianla अस्य स्रोतान्तर्गतविपर्यासस्य कृते नूतनं मूल्यं न निर्मितवान्।

अनुपस्थितदत्तांशटिप्पणी: स्रोतः मासिकानुपस्थिततानुपाते %70 सीमा प्रयुङ्क्ते, सीमायाः उभयतः भिन्नप्रक्रिये परिभाषयति। पाठगतदिशा असामान्या इव दृश्यते, तथापि स्रोतबहिः पुनर्व्याख्या न कृता।

वार्षिकsample आकारः: प्रत्येकं केन्द्रं प्रति n=17.

मासिकsample आकारः: प्रत्येकं केन्द्रं प्रति n=204.

वार्षिकउच्चतरङ्गवारम्बारता: प्रायः 4.5–13.42 घटना/वर्ष.

वार्षिका सहसा जातस्य उच्चतरङ्गस्य वारम्बारता: प्रायः 2.7–8.8 घटना/वर्ष.

उच्चतमघटनाकेन्द्रम्: Mukho.

सामान्यऋतुपरिणामः: मई–अगस्त माध्यमात् न्यूनम्; अप्रैल तथा सितम्बर माध्यमस्तरः; अन्ये मासाः सामान्यतः माध्यमात् अधिकाः।

मुख्यस्थानिकपरिणामः: उच्चतरङ्गेषु Daejin–Sokcho तथा Jukbyeon–Hupo इत्यादिषु कतिपयेषु समीपस्थयुग्मेषु उच्चcorrelation प्राप्तः, सहसा जातेषु उच्चतरङ्गेषु सामान्यcorrelation न्यूनतरः; स्थानीयकेन्द्र/समुद्रप्रदेशलक्षणानि महत्त्वपूर्णानि।

वित्तपोषणम्: प्रदत्ते PDF मध्ये पृथक् वित्तपोषणघोषणा नास्ति।

दत्तांशोपलब्धता: प्रदत्ते PDF मध्ये पृथक् Data Availability Statement नास्ति।

हितविरोधः: प्रदत्ते PDF मध्ये पृथक् Conflict of Interest घोषणा नास्ति।

CRediT/लेखकयोगदानानि: प्रदत्ते PDF मध्ये पृथक् CRediT Author Contributions विभागः नास्ति।

मुख्यव्याख्यासिमा: अध्ययनं ऐतिहासिकनिरीक्षणेभ्यः घटनासंख्यावितरणं निष्कासयति; एतत् operational wave forecast system, causal meteorological model, वा भविष्यस्य विशिष्टघटनाकालं पूर्वानुमीयमानं model नास्ति।

दीर्घकालीनसत्यापनस्य आवश्यकता: वार्षिकश्रेण्यां केवलानि 17 दत्तांशबिन्दवः सन्ति इति कारणात् अनिश्चिततां न्यूनां कर्तुं स्रोतः प्रायः 40 वर्षाणि वा अधिकं व्याप्नुवतः दीर्घकालीनhindcast-दत्तांशस्य मूल्याङ्कनं, trend-प्रभावानां model मध्ये समावेशं च शंसति।