Fig. 3. The rainfall distribution w

Fig. 3. The rainfall distribution within storms A and B marked by stars in Fig. 2.
Each of the hourly 32 storms generated for the baseline period was used as an input to XPSWMM. From there, the runoff accumulated in the detention pond was predicted and the maximum accumulated runoff during the 24-h duration was identified as the critical runoff volume for the storm under consideration. The EPD fitted to the 32 values is shown in Fig. 4(a). A few important and relevant observations can be made regarding the results shown in Fig. 4. The natural weather variability, quantified by the generation of an ensemble weather series and represented in the form of a probability distribution, is a major source of uncertainty around the critical (design) storm. This is evident even with regard to the total storm depth (Fig. 4(b)).

結果 (繁體中文) 1:

圖3在圖2風暴甲乙標記內的雨量分佈由恆星
每個為基準週期中產生的每小時32風暴被用作輸入到XPSWMM。從那裡，在滯留池累積的徑流預測和24小時的持續時間期間最大累積徑流被確定為關鍵的徑流體積對於所考慮的風暴。裝配到32個值的EPD示於圖4（a）中。有幾個重要和相關的觀察可以關於圖中所示的結果進行說明。4.自然氣候變化性，通過合奏天氣系列的生成量化，並在一概率分佈的形式來表示，是圍繞的不確定性的一個主要來源臨界（設計）風暴。這是顯而易見的，即使相對於總風暴深度（圖4的（b））。

結果 (繁體中文) 2:

圖3.圖2中以星為標誌的風暴A和B的降雨分佈。
基線期間每小時生成的 32 次風暴都用作 XPSWMM 的輸入。從那裡，預測了蓄水池中累積的徑流，並確定了24小時期間最大累積徑流量，確定為正在考慮的風暴的關鍵徑流量。與 32 個值擬合的 EPD 如圖 4（a） 所示。可以就圖4所示的結果提出一些重要和相關的意見。自然天氣變異性，由綜合天氣序列的生成量化，以概率分佈的形式表示，是關鍵（設計）風暴周圍不確定性的主要來源。即使就風暴總深度而言，這一點也很明顯（圖4（b））。

結果 (繁體中文) 3:

圖3。圖2中以恒星為標誌的風暴a和風暴b內的降雨分佈。
基線期間每小時產生的32場風暴都被用作xpswmm的輸入。在此基礎上，預測了滯洪池內的累積徑流，確定了24小時內的最大累積徑流為豪雨的臨界徑流量。圖4（a）所示為安裝在32個值上的EPD。對於圖4所示的結果，可以進行一些重要和相關的觀察。由集合天氣序列的產生量化並以概率分佈的形式表示的自然天氣變化性，是臨界（設計）風暴周圍不確定性的主要來源。即使在總風暴深度方面，這也是顯而易見的（圖4（b））。