Predicting water allocations and trading prices to assist water markets

Authors


  • La prévision des allocations d'eau et des valeurs d'échange pour accompagner les marchés de l'eau.

Abstract

Uncertain water allocations and water trading prices are a key constraint to efficient irrigated cropping and water trading decisions. This study shows that neural network models can reasonably forecast seasonal allocations and trading prices in water markets. These models can complement other forecasting techniques such as regression analysis and time series models as the former can better capture the non-linearities in the water trading system. Using a 50% probability risk factor for water variability, the water allocation model showed minor estimation error; however, in one instance the model underestimated the water allocation by 21%. This may be due to exceptionally low initial water allocations and borrowing of water from future years which was outside the training data sets. Similarly, the water trading price forecast model showed modest estimation error of about 11% during 2004/05 probably due to drought. Overall the models have good water allocation and price forecasting accuracy, and the determinants of water trading prices identified by the neural network models are those expected of the econometric models/economic theory. Copyright © 2009 John Wiley & Sons, Ltd.

Abstract

Les incertitudes sur les allocations d'eau et les valeurs d'échange de l'eau sont une contrainte majeure pour l'efficacité des cultures irriguées et les décisions d'échange d'eau. Cette étude montre que les modèles de réseaux de neurones peuvent raisonnablement prévoir les allocations saisonnières et les valeurs d'échange dans les marchés de l'eau. Ces modèles peuvent compléter d'autres techniques de prévision telles que l'analyse de régression et les modèles de séries chronologiques qui peuvent mieux saisir les non-linéarités dans le système d'échange de l'eau. Utilisant une probabilité de 50% pour le facteur de risque de variabilité, le modèle d'allocation de l'eau a montré une faible erreur d'estimation; mais, dans un cas, le modèle a sous-estimé l'allocation de 21%. Ce peut être dû à une allocation initiale exceptionnellement basse et des emprunts d'eau sur l'année future, hors du champ des jeux de données utilisés en formation. De même le modèle de prévision de la valeur d'échange a montré une faible erreur d'estimation d'environ 11% en 2004/05, probablement due à la sécheresse. Dans l'ensemble les modèles donnent une bonne allocation et une exactitude des prévisions des valeurs d'échange, et les déterminants des valeurs échanges identifiés par les modèles de réseaux de neurones sont ceux qui sont attendus des modèles économétriques et de la théorie économique. Copyright © 2009 John Wiley & Sons, Ltd.

Ancillary