Machine Translated by Google

Pogledajte rasprave, statistiku i profile autora za ovu publikaciju na: https://www.researchgate.net/publication/259952895

Utjecaj izbora metode na rezultate probabilističkih analiza vrhova, volumena i trajanja savskih visokovodnih
valova u Litiji / The influence of the selection of the method on the results of freq...

Članak u Acta hydrotechnica · Lipanj 2012

CITATI ČITA

11 451

3 autora:

Mojca Šraj Nejc Bezak

Sveučilište u Ljubljani Sveučilište u Ljubljani

190 PUBLIKACIJA 3.686 CITATA 181 PUBLIKACIJA 2351 CITAT

VIDI PROFILE VIDI PROFILE

Mitja Brilly

Sveučilište u Ljubljani

53 PUBLIKACIJE 1421 CITATA

VIDI PROFILE

Sav sadržaj koji prati ovu stranicu postavila je Mojca Šraj dana 04. veljače 2014.

Korisnik je zatražio poboljšanje preuzete datoteke.

Machine Translated by Google

Acta hydrotechnica 25/42 (2012), Ljubljana Časopis otvorenog pristupa

ISSN 1581-0267 Časopis otvorenog pristupa

UDK/UDC: 519.21:556.53:627.53(497.4) Primljeno: 06.11.2012

Izvorni znanstveni rad - Izvorni znanstveni rad Prihvaćeno: 21.04.2013

UTJECAJ IZBORA METODE NA REZULTATE ANALIZE VJEROJATNOSTI VRHUNCA, VOLUMENA

I TRAJANJE VISOKOG VODA SAVE VALOVA U LITIJI

UTJECAJ IZBORA METODE NA REZULTATE FREKVENCIJE

ANALIZA VRHOVA, VOLUMENA I TRAJANJA POPLAVNIH VALOVA SAVE
RIJEKA I LITIJA

Mojca Šraj 1, , Nejc Bezak1, Mitja Brilly1

1
Fakultet za graditeljstvo in geodeziju, Sveučilište u Ljubljani, Hajdrihova 28, 1000 Ljubljana
Ekstrakt

Složene hidrološke pojave, poput poplava, uvijek nastaju kao rezultat više međusobno ovisnih procesa
slučajne varijable (npr. vrh, volumen, trajanje poplavnog vala). Probilističkom analizom samo jednog
varijable, stoga možemo samo okvirno procijeniti vjerojatnost pojave određenog događaja. Za potpuno
razumijevanje sve tri varijable i njihovog međusobnog odnosa potrebna je multivarijatna statistika
pristup. Preduvjet za to je sveobuhvatna analiza pojedinih varijabli. U istraživanju smo razmatrali 58
visokovodnih valova s vodomjerne postaje Litija na rijeci Savi. Provedena je analiza vjerojatnosti za sve tri
varijable koje određuju val visokog vodostaja. Statističkim i grafičkim testovima uspoređivane su
najčešće korištene funkcije distribucije i metode procjene parametara distribucije. Utvrdili smo da su
vrhovi i trajanja valova najbolje opisani logaritamskom Pearson III distribucijom, dok su volumeni najbolje
opisani Pearson III distribucijom. Za većinu distribucija, metoda momenata L, koja još nije korištena u
slovenskoj hidrološkoj praksi, pokazala je najbolje procjene parametara.

Ključne riječi: analiza vjerojatnosti, metoda momenata, L metoda momenata, metoda maksimalne vjerojatnosti,
granične distribucije, statistički testovi.

Sažetak

Složeni hidrološki događaji poput poplava uvijek se pojavljuju kao posljedica nekoliko koreliranih slučajnih događaja
varijable (vrh, volumen, trajanje). Stoga analiza učestalosti jedne varijable može dati samo ograničenu
procjenu ovih događaja. Za potpuno razumijevanje sve tri varijable i njihovog odnosa nužan je
multivarijatni statistički pristup. Preduvjet za takav pristup je cjelovita analiza svih pojedinačnih varijabli.
Analizirani su 58-godišnji podaci vodomjerne postaje Litija na rijeci Savi. U analizi učestalosti poplava uzeti
su u obzir vrhovi, volumeni i trajanja poplavnih valova. Statistički i grafički testovi korišteni su za procjenu
izvedbe najčešće korištenih funkcija distribucije i tehnika procjene parametara. Log-Pearson III distribucija
dala je najbolje rezultate u slučaju vrhova i trajanja poplavnih valova, a Pearson III distribucija u slučaju
volumena. Metoda L-momenata, koja još nije korištena u slovenskoj hidrološkoj praksi, dala je najbolju
procjenu parametara za većinu distribucija.

Kontakt / korespondencija: mojca.sraj@fgg.uni-lj.si

© Šraj M. i sur.; Sadržaj ovog članka može se koristiti pod uvjetima licence Creative Commons Attribution - Nekomercijalno - Dijeli pod istim uvjetima 4.0.

© Šraj M. i sur.; Ovo je članak s otvorenim pristupom koji se distribuira pod uvjetima licence Creative Commons Attribution – Nekomercijalno – Dijeli pod istim uvjetima 4.0.

41
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Ključne riječi: analiza učestalosti poplava, metoda momenata, metoda L-momenata, metoda maksimalne
vjerojatnosti, granične distribucije, statistički testovi.

1. Uvod normalna distribucija ili (i) sve varijable pripadaju istoj

vrsti funkcije distribucije (Zhang i Singh, 2007). U
Upravljanje vodama, planiranje, preventivno upravljanje rizicima od
stvarnosti, u prirodi, varijable koje opisuju poplavni
poplava, određivanje poplavnih zona i projektnih tokova, dimenzioniranje
val međusobno su ovisne, općenito ne slijede
objekata na vodi i dr. – sve to zahtijeva temeljito poznavanje karakteristika
normalnu distribuciju i ne mogu se sve varijable
velikih voda (Brilly i Polič, 2005; Đurović i Mikoš, 2004; Kobold i sur., 2005;
opisati istom vrstom marginalne funkcije distribucije
Mikoš i sur., 2004; Šraj i sur., 2010). U hidrološkoj praksi pojam povratnog

razdoblja koristi se za opisivanje vjerojatnosti pojave visoke vode ili

(Zhang i Singh, 2007.). Uzimajući u obzir sva ova otkrića, znanstvenici
poplave.
diljem svijeta nedavno su pokušali koristiti funkciju kopule za

probabilističku analizu poplava (Favre i sur., 2004; Grimaldi i Serinaldi,

2006; Renard i Lang, 2007; Salvadori i De Michele, 2004; Salvadori i De

Michele, 2007). Funkcija kopule do sada se uspješno koristila uglavnom u

Povratno razdoblje događaja obično se definira kao
ekonomiji na području financija. S kopulnom funkcijom možemo
prosječno vrijeme koje protekne između pojave
modelirati ovisnost nekoliko varijabli, neovisno o vrsti distribucije koju
dvaju ekvivalentnih i uzastopnih događaja (Salvadori
slijede pojedinačne varijable. Nadalje, određivanje marginalnih funkcija
i De Michele, 2007).
distribucije odvojeno je od odabira najprikladnije funkcije kopule. Razvoj
Razdoblje povrata je jednostavan način određivanja
i korištenje novog pristupa je u punom zamahu. Modeli koji koriste
rizika ili vjerojatnosti nastanka događaja. Trenutačno
funkciju kopule zapravo tek dobivaju mjesto u globalnoj hidrološkoj
se razdoblje povrata ekstremnih događaja u Sloveniji
praksi. Još uvijek je otvoren čitav niz pitanja vezanih uz odabir uzoraka,
izračunava na temelju probabilističke analize
metodologiju i analizu rezultata. Naravno, ovakva kompleksna,
maksimalnih vrhova velikih voda, odnosno na temelju
multivarijantna probabilistička analiza zahtijeva prethodnu detaljnu
samo jedne varijable. To može dovesti do
analizu svojstava i ovisnosti pojedinih varijabli, kao i probabilističku
podcjenjivanja rizika od nastanka određenog
analizu svake pojedine varijable, što je prikazano u ovom članku.
događaja (Favre i sur., 2004.). Većina hidroloških
pojava zapravo ovisi o istodobnom utjecaju nekoliko
slučajnih varijabli (npr. vrhunac, volumen, trajanje
itd.), koje su u većini slučajeva međusobno ovisne.
Događaj sa 100-
na primjer, jednogodišnje vršno razdoblje povrata
vala može prouzročiti manje štete nego događaj s
10-godišnjim vršnim razdobljem vala i povratnim
razdobljem volumena (Renard i Lang, 2007.). Složeni
hidrološki fenomeni poput poplava uvijek se javljaju Ciljevi istraživanja bili su: (i) utvrditi najprikladniju
kao rezultat nekoliko međusobno ovisnih slučajnih točnost podataka za multivarijantne probabilističke
varijabli. Dakle, probabilističkom analizom samo analize, (ii) napraviti pregled u svjetskoj hidrološkoj
jedne varijable možemo samo okvirno procijeniti praksi najčešće korištenih distribucija i jednadžbi za
mogućnost nastanka određenog događaja. procjenu parametara distribucije, (iii) pripremiti
Multivarijantni statistički pristup je neophodan za pregled testova koji se najčešće koriste u odabiru
potpuno razumijevanje sve tri varijable i njihovog najprikladnijih distribucija,
međusobnog odnosa. U posljednjih nekoliko godina pojavilo(iv)
sepronaći funkciju rubne distribucije koja najbolje
dosta multivarijanata
pristupe u hidrološkim i ekološkim studijama diljem odgovara, ne nužno iz iste obitelji distribucija,
svijeta. Većina ovih studija temelji se na barem jednoj pojedinačnim varijablama valova visoke vode (vrh,
od sljedećih pretpostavki: varijable su oni su volumen, trajanje) odabrane vodomjerne postaje, (v)
međusobno neovisne, sve varijable slijede odrediti utjecaj izbora

42
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

distribucije i metode procjene parametara svake distribucije na

rezultatima, (vi) rezultati
analizira i uspoređuje nalaze s rezultatima drugih autora.

2. Podaci

U istraživačkom projektu odlučili smo obraditi podatke s

hidrološke postaje Litija na rijeci Savi (slika 1), jer je to najstarija
hidrološka postaja u Sloveniji. Vodostaji se na postaji prate od
1893. godine. Postaja je 1953. godine zbog zatrpavanja
pomaknuta 500 m uzvodno i tu stoji i danas (Ulaga, 2011.). Na Slika 1: Hidrološka postaja Litija na rijeci Savi (foto: Nejc
transferu su Bezak).

Slika 1: Hidrološka postaja Litija na rijeci Savi (foto: Nejc

opremio limnigrafom (Seba Omega), što znači da od tada
Bezak).
imamo podatke o cjelokupnim hidrogramima, a ne samo o
vrhovima. Stoga su sve analize prikazanih istraživanja
napravljene za razdoblje 1953.-2010. 3. Metode

Uzorak je određen metodom godišnjeg maksimuma (Bezak,

U analizama smo koristili dnevne vrijednosti protoka s 2012). Za svaku godinu promatranog razdoblja (1953.-2010.)

uključenim izmjerenim maksimalnim vrhovima. Na ovaj odabir odredili smo val visokih voda s najvećim vrhom. Za svih 58 tako

podataka odlučili smo se nakon pažljive analize i usporedbe odabranih visokovodnih valova, zatim smo metodom tri točke
izdvojili bazni dio istjecanja (slika 2) i zatim odredili vrijednosti
varijabli slučajno odabranih valova. U tu svrhu usporedili smo
13 slučajno odabranih visokovodnih valova, čije je osnovno sve tri varijable vala: volumen, vrh i trajanje.

otjecanje izdvojeno grafičkom metodom tri točke. jednostavno

Napravljena je usporedba između satnih vrijednosti izmjerenih
obzir protoka i dnevnih vrijednosti uz uzimanje u

maksimalnog vrha. U oba slučaja dobivamo iste vrhove i

trajanja valova, a razlika u volumenu valova u prosjeku je
iznosila 4,3%.

Do sličnih zaključaka došao je i Pugelj (2012), analizirajući podatke s

vodomjerne postaje Šentjakob na Savi. Pregled strane literature također

je pokazao da je uporaba dnevnih vrijednosti u sličnim stranim studijama

vrlo česta (Karmakar i Simonovic, 2008; Zhang i Singh, 2006; Zhang i Singh,
Slika 2: Metoda ekstrakcije osnovnog drena.
2007). Stoga smo proveli daljnje analize dnevnih z vrijednosti

Slika 2: Metoda odvajanja osnovnog toka.

3.1 Distribucije vjerojatnosti U analizi

uzimajući u obzir apsolutne vrhove.
Sava pri Litiji karakterizira alpski kišno-snježni režim (Frantar i
Hrvatin, 2008). Značajka takvog
režimu postoje dva prilično ujednačena vrha, jedan u proljeće
i jedan u jesen. Kod Litije je jesenski vrhunac nešto izraženiji.
vjerojatnosti godišnjih maksimuma sve tri varijable korištene
su teorijske distribucije koje se najčešće koriste u svjetskoj
hidrološkoj praksi: lognormalna distribucija, Pearson III
distribucija, logaritamska Pearson III distribucija,

43
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Gumbelova distribucija, normalna distribucija, koriste u te svrhe. Također smo izračunali intervale
generalizirana distribucija ekstremnih vrijednosti pouzdanosti za svaku distribuciju. Osim toga,
(GEV) i generalizirana logistička distribucija (GL). procijenili smo parametre pojedinih distribucija
Izmjerene podatke smjestili smo u mreže pomoću tri različite metode: metode momenata,
vjerojatnosti pomoću empirijske Weibullove metode momenata L i metode maksimalne vjerojatnosti.
distribucije (Haan, 2002.), koja je najčešće

Tablica 1: Funkcije distribucije i jednadžbe za procjenu parametara distribucije.

Tablica 1: Funkcije distribucije i jednadžbe za procjenu parametara distribucije.

Distribucija/Distribucija Distribucijska funkcija; jednadžbe za procjenu parametara metodom momenata;

metoda momenata L i logaritamske funkcije vjerovanja/
Distribucijska funkcija; jednadžbe za metodu momenata; L-momenti i logaritam
funkcije vjerojatnosti
Normalan = d ; = ̅, = ; = , = ;

ul , = ln2π ln .

⁄
Logaritamski normalan = d , = ln 1 + , = ln ;= ,

=;= , = ;
ul , = ln2π ln ln ln .

Pearson III
= ⁄d;= , = , = ;

= ,
Za: 0 <|t3|<1/3: = 3 , ,
,,

= ,,,
Za: 1/3<|t3|<1: = 1 , ,
,,,
Γ
Za sve t3: = , = ;
Γ,
ul , , = ln lnΓ n 1 ln + 1 ln
.

Logaritamski Pearson III = ⁄d , = log ; = , = , = ; Isto

jednadžbe kao u Pearson III distribuciji; =

ul , , ln lnΓ + 1 ln
.

Gumbelova = ⁄
;= , = 0,5772; α = , = 0,5772157;

ul , = ln e ⁄ .

GEV ⁄ ΓΓΓΓ
= exp 1 ;c= ⁄ ,α=
|| ΓΓ

ΓΓ
, = 1 Γ1 + ; = , = 7,8590 + 2,9554 ,
= , =+ ; ul ,, = ln 1

e , = ln 1 .

GL =1+1 ⁄ ; = tan 0,59484 ,

α = signk ⁄,
ΓΓΓ Γ

= 1 Γ1 + Γ1 ;= , = , =+;
ΓΓ

ul ,, = ln + 1 ln 1 2 ln 1 + 1 .

44
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Sve korištene funkcije distribucije i jednadžbe za procjenu distribucije i razni statistički testovi primjerenosti distribucije
parametara distribucija prikazane su u tablici 1 (Bezak, 2012). koji se mogu podijeliti u četiri skupine:
Pomoću jednadžbi iz tablice 1. mogu se odrediti parametri
• Testovi koji uspoređuju izmjerene i procijenjene vrijednosti
normalne distribucije (, ), lognormalne distribucije (, ), Pearson
varijabli: RMSE (korijen srednje kvadratne pogreške) , MAE
III distribucije (, , ), logaritamske Pearson III distribucije (, , ),
(srednja apsolutna pogreška) , RMAE (korijen srednje
Gumbelove distribucije (, ), generalizirane distribucija
apsolutne pogreške) .relativna srednja apsolutna pogreška)
ekstremnih vrijednosti ( , , ) i generalizirane logističke
(Tablica 2).
distribucije (, , ). Ostale nepoznanice u tablici 1 označavaju
momente i momente L koji su izračunati iz uzorka.

• Testovi koji uspoređuju empirijske i teorijske vjerojatnosti

podataka: apsolutni i relativni testovi (Tablica 3).

• Testovi korišteni za provjeru hipoteza: Chi-kvadrat,

Trenutno se koristi u slovenskoj hidrološkoj praksi
Kolmogorov-Smirnov, Anderson-Darling i PPCC
samo prvih pet navedenih teorijskih razdioba i estimacija
( koeficijent korelacije dijagrama vjerojatnosti) test (tablica
parametara metodom običnih momenata, koja je
4).
najjednostavnija. Mnogo se puta, međutim, probabilistička
• Test koji također uzima u obzir broj parametara distribucije
analiza provodi čak i sa samo jednom funkcijom distribucije. U
pri izračunavanju testne statistike: AIC test (Akaike
praksi se često koristi logaritamska Pearsonova distribucija
informacijski kriteriji) (jednadžba (1)).
tipa III. Ima više smisla koristiti nekoliko distribucijskih funkcija
i zatim usporediti rezultate analiza.
RMSE, MAE i RMAE testovi uspoređuju izmjerene i procijenjene
vrijednosti protoka. Ne postoje loše ili dobre statističke
vrijednosti testova za ove testove.
Različiti autori su pokazali da izbor distribucije i metode
Distribucija s najnižom testnom statistikom najbolje odgovara
procjene parametara može značajno utjecati na rezultate
izmjerenim podacima.
probabilističke analize.
Statistika testa izračunata je korištenjem izraza prikazanih u
Metoda momenata (MOM) daje npr. dobre procjene vrijednosti
tablici 2 (Maidment, 1993). Outlieri imaju velik utjecaj na
parametara samo u slučaju simetričnih podataka (Hosking i
statistiku RMSE testa, dok je statistika MAE testa manje osjetljiva
Wallis, 1997). U slučaju kada imamo manje dostupnih podataka
na njih
za godine, uzorci mogu biti prilično različiti od teoretskih
(Maidment, 1993.; Swanson i sur., 2011.). PP dijagramima
trenutaka funkcije distribucije. U ovom slučaju, prikladnije je
uspoređujemo vrijednosti teorijske i empirijske distribucije.
koristiti trenutke L, koji su izvedeni iz momenata ponderiranih
Što više bodova odgovara
vjerojatnošću ( momenti ponderirani vjerojatnošću) i manje su
linija y=x , to bolje odgovara između podataka i testirane
osjetljivi na izolate koji se mogu naći u uzorku. Hosking (1990)
teorijske funkcije distribucije.
također je utvrdio da je metoda momenata L (LM) učinkovitija
od metode maksimalne vjerojatnosti (MLE) u slučaju malih i Tablica 2: Statistički testovi (I).

srednjih uzoraka.
Tablica 2: Statistički testovi (I).

Test/Test Jednadžba/jednadžba

RMSE
= , ,
3.2 Ispitivanja MAE = , ,

Kako bismo odabrali najprikladniju distribuciju, proveli smo RMAE = .

različite grafičke testove: grafičku usporedbu empirijskih i
teorijskih funkcija distribucije, PP dijagrame (slovo P označava
vjerojatnost ), histograme s gustoćom vjerojatnosti. U tablici 2. predstavlja izračunatu vrijednost varijable, izmjerenu
vrijednost ,

45
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

varijable i varijable.
Tablica 3: Statistički testovi (II).
Tablica 3: Statistički testovi (II).
Prosječna vrijednost elementi (Haan, 2002). Bezak (2012) je u svom
diplomskom radu sakupio radove koji se bave temom
rubnih vrijednosti.
Tablica 4: Statistički testovi (III).

Test/Test Tablica 4: Statistički testovi (III).

Jednadžba/jednadžba
Test/Test Jednadžba/jednadžba
ABS1 = ||
,
Hi-kvadrat
ABS2 = ,
= ,
Kolmogorov- = max, ,
REL1 = || Smirnov
,
Anderson-Darling =
REL2
⁄
= , ,+
⁄
REL3 =
,
,
.
PPCC =

̅, .
Druga skupina uključuje testove koji uspoređuju ̅ ,

empirijske i teorijske vjerojatnosti podataka (Ricci,

2005). Fi označava empirijsku vjerojatnost, a Fx teorijsku
Test koji također uzima u obzir broj parametara distribucije
vjerojatnost zadanih podataka (tablica 3). Teorijska
pri izračunavanju statistike testa je AIC test. Jednadžba (1)
vjerojatnost ovisi o ispitivanoj funkciji distribucije.
sadrži izraz koji se može koristiti za izračunavanje vrijednosti
Također u ovom skupu testova
statistike testa AIC:
ne postoje dobre ili loše vrijednosti za statistiku testa.
Ovi nam testovi uglavnom služe za usporedbu
razmatranih funkcija distribucije i metoda procjene = log +2 (1)
parametara.

Tablica 4 prikazuje testove koji se mogu koristiti za
provjeru hipoteze da razmatrani podaci slijede testiranu
funkciju distribucije. Ovdje nas zanima konzistentnost
funkcije distribucije i podataka u cijelom intervalu. U
slučaju da vrijednost statistike padne iznad vrijednosti
praga testa (ili ispod kritične vrijednosti u PPCC testu),
testirana distribucija može se odbaciti s odabranom
karakterističnom razinom. U slučaju da se parametri
distribucija određuju iz uzorka koji se testira, uobičajene
granične vrijednosti moraju se u skladu s tim ispraviti
(Maidment, 1993; Kottegoda i Rosso, 2008).
Neke nepoznanice iz tablice 4 već su korištene u
tablicama 2 i 3. Oi i Ei označavaju stvarni i očekivani
broj elemenata u svakoj klasi hi-kvadrat testa.
U hi-kvadrat testu moramo odrediti klase tako da u
svakoj klasi bude najmanje 3 i najmanje 5
Karmakar i Simonovic (2008) također su koristili ovaj oblik
testa, koji također uzima u obzir broj parametara distribucije
(nepoznato k) pri izračunu statistike testa . AIC test također
nam može pomoći u usporedbi funkcija distribucije i metoda
procjene parametara. U svim korištenim testovima, n označava
broj godišnjih maksimuma dostupnih za analizu.
Različiti autori koriste različite testove u svojim
istraživanjima. Karmakar i Simonovic (2008) koristili su
RMSE, AIC, BIC ( Bayesov informacijski kriterij) i hi-
kvadrat test. RMSE i AIC testovi također su korišteni u
studiji koju su proveli Zhang i Singh (2006) i Zhang i
Singh (2007). Međutim, Haddad i Rahman (2011.)
upotrijebili su AIC, BIC i Anderson-Darling testove kako
bi odredili najprikladniju distribuciju na više od 40
vodomjernih postaja u Australiji.

46
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica 25/42
(2012), 41-58, Ljubljana

4. Osnovne statističke analize prosječno trajanje valova 12,9 dana. Više od 25% vrhunaca
dogodilo se u mjesecu studenom, a više od polovice godišnjih
Prvo smo proveli osnovnu statistiku za sve tri varijable (vrhovi,
maksimuma promatranog razdoblja (1953. do 2010.) dogodilo
volumeni, trajanja valova).
se u jesen. Također, tri najveća vrhunca dogodila su se u
analiza proračunom procjene
jesenskom razdoblju i to 1990., 2010. i 1982. godine.
karakteristični brojevi odn statistika razmatranih uzoraka (tablica 5).

Karakteristični brojevi pokazuju svojstva statističkih populacija (Brilly i

Sve je to u skladu s tipičnim kišno-snježnim režimom rijeke
Šraj, 2005). Određeni su prvenstveno momentima.
Save u njezinu donjem toku.

Karakteristični brojevi također uključuju srednju vrijednost i

standardnu devijaciju. Srednja vrijednost ili matematička nada
je trenutak prvog reda.
Središnji moment drugog reda predstavlja varijancu čiji je
kvadratni korijen jednak standardnom
odstupanje, što je mjera disperzije uzorka (Turk, 2012).

Najveći zabilježeni protok u promatranom razdoblju dogodio

se 1990. godine i iznosio je 2326 m3 /s, pri čemu je pripadajući
volumen bio drugi najveći, unatoč činjenici da je val trajao 15 Slika 3: Primjer složenog hidrograma i ekstrakcije
dana. baznog otjecanja.
Najveći volumen u promatranom razdoblju pripada valu iz
Slika 3: Primjer složenog hidrograma i razdvajanja
1968. godine, koji ima maksimalni vrh od 1411 m3 /s i traje čak
osnovnog toka.
30 dana.
Ovako dugo trajanje visokovodnih valova posljedica je složenih
Također smo izračunali vrijednosti korelacijskih koeficijenata
hidrograma (složenih valova), koji se dobivaju pojavom nekoliko
za parove razmatranih varijabli (uzorak godišnjih maksimuma).
uzastopnih i ovisnih vrhova valova (slika 3).
Za parove vršni volumen Pearsonov koeficijent korelacije je
0,52, za parove volumen-trajanje 0,68, a za parove vršno
Ovisnost ili neovisnost uzastopnih vrhova određena je pomoću
trajanje -0,14. Relativno visok koeficijent korelacije između
empirijske jednadžbe koja izračunava vrijeme između vrha
volumena i trajanja visokovodnih valova i nizak koeficijent
vala i kraja površinskog dijela otjecanja ovisno o veličini
korelacije između vrhova i trajanja u najvećoj su mjeri
doprinosne površine
posljedica složenih hidrograma (složenih valova).
(Pugelj, 2012).

Prosječna vrijednost razmatranih vrhova je 1234 m3 /s,

prosječni volumen je 337*106 m3 i

Tablica 5: Osnovna statistika pojedinih varijabli.

Tablica 5: Osnovna statistika pojedinih varijabli.

Statistika/Statistika Protok/Protok [m3 / Volumen/Volume Trajanje [dni/dani]

s] [106 m3 ] 12.9
Prosjek 1234,4 337.5

Maksimalno 2326 765.8 30

Minimum 579 122.2 6

Standardna devijacija 391.6 152.2 4.8

Medijan 1174 300.1 12

Mod 1254 / 12

47
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

5. Analiza vjerojatnosti vrhova visokih voda
5.1 Rezultati analiza korištenjem različitih
teoretskih distribucija i jednadžbi procjene
parametara
Proveli smo probabilističku analizu sa sedam različitih
funkcija distribucije i koristili smo tri metode procjene
parametara. Kako bismo usporedili metode i odabrali
najprikladniju distribuciju i metodu procjene, prvo
smo
izvršio razne grafičke testove. Na slikama 4 prikazani
su PP dijagrami pri korištenju logaritamske
Pearsonove distribucije tipa III i sve tri metode
procjene parametara. Izmjereni podaci prikazuju se
pomoću Weibullove jednadžbe.
Može se uočiti da je teško utvrditi razlike između
pojedinih metoda procjene parametara PP
dijagramima. Možemo samo vidjeti da je L metoda
trenutaka malo bolje uklopila podatke od obične
metode trenutaka ili metode maksimalne vjerojatnosti.

Slika 4: PP dijagrami za podatke o protoku i logaritamsku Pearson III distribuciju u procjeni parametara
pomoću sve tri korištene metode (metoda momenata, L metoda momenata, metoda maksimalne vjerojatnosti).

Slika 4: PP dijagrami za podatke o protoku i log-Pearson III distribuciju kada su parametri procijenjeni metodom
momenata, metodom L-momenata odnosno metodom maksimalne vjerojatnosti.

Slika 5: Usporedba između histograma vršnih podataka i gustoće vjerojatnosti za sve korištene funkcije
distribucije i sve tri metode procjene parametara (metoda trenutaka, L metoda trenutaka, metoda maksimalne
vjerojatnosti).

Slika 5: Usporedba između histograma (podaci o ispuštanju) i funkcija gustoće vjerojatnosti (PDF) za sve
razmatrane funkcije distribucije za metodu momenata, metodu L-momenata i metodu maksimalne
vjerojatnosti.

48
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Slika 6: Rezultati probabilističke analize vrhova visokovodnih valova (uzorak godišnjih maksimuma) korištenjem različitih
funkcija distribucije i metoda procjene triju parametara.

Slika 6: Rezultati analize učestalosti poplava za vrijednosti protoka (godišnji maksimalni uzorak serije) za različite
distribucijske funkcije i tehnike procjene parametara.

Ako grafički prikažemo histograme vršnih podataka i gustoće 5.2 Rezultati statističkih testova

vjerojatnosti pojedinih funkcija distribucije za sve tri metode
estimacije parametara (slika 5), možemo zaključiti da normalna
distribucija znatno lošije odgovara podacima od ostalih
korištenih funkcija distribucije.
Pri procjeni parametara
Prikazani grafički testovi služe za prve ocjene
prikladnost pojedinih distribucija i metoda za estimaciju
parametara. Kako bismo odredili najprikladniju funkciju
distribucije i usporedili pojedinačne distribucije i metode
procjene parametara, također smo koristili nekoliko statističkih
testova, koji su predstavljeni u poglavlju 3. U svim korištenim

metodom momenata i metodom momenata L, Gumbelova i testovima, nul

generalizirana logistička distribucija (GL) nešto slabije

odgovaraju podacima.
Grafički prikaz rezultata probabilističke analize (Slika 6)
pokazuje sličnu sliku. I ovdje se izmjereni podaci prikazuju
pomoću Weibullove jednadžbe. Može se uočiti da je normalna
distribucija dala najniže procijenjene vrijednosti protoka u sve
tri metode procjene parametara. Kod metode momenata L i
metode maksimalnog vjerovanja najveće procijenjene
vrijednosti protoka dane su generaliziranom logističkom
distribucijom, dok je kod metode momenata najveće vrijednosti
procijenjenih protoka pokazala Gumbelova distribucija. Nije
bilo značajnih razlika između ostalih distribucija za sve tri
pretpostavka ili hipoteza da razmatrana slučajna varijabla
slijedi testiranu funkciju distribucije. U slučaju da je rezultat
ispitivanja bio izvan propisanog raspona graničnih vrijednosti,
nulta hipoteza je odbačena i prihvaćena
alternativno na odabranoj razini rizika od 0,05.
Određivanje najprikladnije funkcije raspodjele je
preduvjet za provođenje probabilističke analize s kopula
funkcijom. Naime, kod kopule također moramo odrediti ili
izabrati marginalne funkcije distribucije , koje mogu biti
različite za razmatrane ovisne
varijable koje želimo modelirati.

metode procjene parametara. Sa slike 6. vidimo da su krivulje

koje povezuju procijenjene vrijednosti protoka i povratnih
perioda najmanje raspršene kod metode momenata L, dok su
razlike najveće kod metode maksimalne vjerojatnosti. Razlike
između funkcija distribucije rastu kako se povećava povratno
razdoblje.
Otkrili smo da većina korištenih testova pokazuje najbolje
uklapanje podataka o protoku u logaritamsku Pearsonovu
distribuciju tipa III.
Najgore su odgovarale podacima o protoku normalna i
generalizirana logistička (GL) distribucija. Ostale funkcije
distribucije (logaritamska normala, Pearsonova III, Gumbelova
i GEV) pokazale su nešto lošije pristajanje od logaritamske
Pearsonove III distribucije. osim

49
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica 25/42
(2012), 41-58, Ljubljana

od toga smo otkrili da je metoda momenata L u velikoj većini
slučajeva (različite distribucije i različiti testovi) dala niže (i više
u slučaju PPCC testa) rezultate statistike testa od metode
momenata ili
metoda maksimalnog uvjerenja. Međutim, nije postojala tako
jasna i jasna razlika između metode trenutaka i metode
maksimalnog uvjerenja.
Tablica 6: Vrijednosti Anderson-Darling testa i kritične
odbiti s odabranom karakterističnom razinom od 0,05 u bilo
kojoj od metoda procjene parametara.
Slični nalazi vrijede i za druge korištene statističke testove. S
razinom značajnosti od 0,05, Hi-kvadrat test samo je odbacio
normalnu distribuciju.
Tablica 7: Procijenjene vrijednosti toka za sve funkcije raspodjele
pomoću L metode momenata.

vrijednosti (razina značajnosti 0,05) za

sve tri metode estimacije parametara (vrhovi protoka).
Tablica 7: Procijenjene vrijednosti protoka za sve
distribucije metodom L-momenata.
Tablica 6: Rezultati Anderson-Darling testa i kritične
Distribucija Q 10 Q 100
vrijednosti (razina značajnosti 0,05) za sve metode
funkcija/Funkcija [m3 /s] [m3 /s]
procjene parametara (ispusti). distribucije

Distribucija/ MAMA LM MLE Normalan 1739. godine 2150

Distribucija (KV) (KV) (KV)

Logaritamski normalan 1784. godine 2509
funkcije

Normalan 0,545 0,531 0,545 Pearson III 1770. godine 2523

(0,762) (0,762) (0,762)

Logaritamski 1768 2368
Logaritamski 0,311 0,277 0,311
Pearson III
normalan (0,762) (0,762) (0,762)
Gumbelova 1775. godine 2423
Pearson III 0,275 0,239 0,288
(0,752) (0,752) (0,752) GEV 1768 2376
Logaritamski 0,289 0,251 0,285
Pearson III GL 1736 2513
(0,752) (0,752) (0,752)
Gumbelova 0,531 0,348 0,335
(0,777) (0,777) (0,777)
GEV 0,277 0,254 0,303 U tablici 7 prikazane su konačne procijenjene vrijednosti

(0,56) (0,56) (0,56) protoka s 10-godišnjim i 100-godišnjim povratnim razdobljem.

GL 0,545 0,389 0,389 Prikazani su rezultati u slučaju procjene parametara metodom
(0,698) (0,698) (0,698) momenata L, koja je dala bolje rezultate od metode momenata
ili metode

Tablica 6 prikazuje rezultate Anderson-Darling testa za sve tri

metode procjene parametara distribucije. Osim toga, prikazane najveće vjere.

su i kritične vrijednosti (CV) s karakterističnom razinom od

0,05. Iz tablice 6 vidimo da je metoda momenata L dala niže
6. Probabilistička analiza volumena
vrijednosti statistike testa od metode momenata ili metode
valova visoke vode
maksimalne vjerojatnosti. U slučaju Anderson-Darlingovog
testa, logaritamska Pearsonova distribucija tipa III nije dala
najniže vrijednosti statistike testa, ali je ova funkcija distribucije 6.1. Rezultati analiza pomoću različitih

pokazala najbolje rezultate u drugim korištenim testovima, koji teoretskih distribucija i jednadžbi procjene parametara

nisu toliko zanimljivi za grafiku. prikaz. Iz tablice 6 možemo

vidjeti da nijedna funkcija distribucije (Pearson III, logaritamska U probabilističkoj analizi volumena valova visoke vode koristili
Pearson III, lognormalna i GEV) ne može smo iste funkcije distribucije i metode procjene parametara
kao iu probabilističkoj analizi skokova. Za

uspoređivanje metoda i određivanje najprikladnije funkcije

raspodjele koja bi tada mogla

50
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

korišten kao marginalna distribucija u funkciji maksimumi), a gustoća vjerojatnosti korištenih

kopule, ponovno smo koristili grafičke i statističke funkcija distribucije pokazuje da čak iu analizama
testove. Za prikaz izmjerenih podataka korištena je volumena normalna distribucija najlošije odgovara
Weibullova jednadžba (slike 7 i 9). podacima (slika 8). Nešto lošija prilagodba podacima
također se može primijetiti u slučaju generalizirane
Slika 7 prikazuje PP dijagrame za Pearsonovu
logističke distribucije. Može se uočiti da procjenom
distribuciju tipa III. Vidimo da u slučaju korištenja
parametara distribucija metodom momenata L ili
metode momenata L dobivamo nešto bolje
metodom maksimalne vjerojatnosti dobivamo bolju
podudaranje između podataka i teorijske funkcije
prilagodbu podataka pojedinačnim distribucijama
distribucije nego kod procjene parametara metodom
nego metodom običnih momenata. Log-normalna
momenata ili metodom maksimalne vjerojatnosti,
distribucija, Pearson III distribucija, log Pearson III
ali razlike između pojedinačne metode nisu jako
distribucija i distribucija ekstremnih vrijednosti daju
izražene. Grafički prikaz histograma podataka
slične rezultate.
(volume godišnje

Slika 7: PP dijagrami za podatke o volumenu i Pearson III distribuciju u procjeni parametara po sve tri
korištene metode (metoda momenata, L metoda momenata, metoda maksimalne vjerojatnosti).

Slika 7: PP dijagrami za podatke o volumenu i Pearson III distribuciju kada su parametri procijenjeni
metodom momenata, metodom L-momenata i metodom maksimalne vjerojatnosti.

Slika 8: Usporedba između histograma podataka o volumenu i gustoće vjerojatnosti za sve korištene
funkcije distribucije i sve tri metode procjene parametara (metoda momenata, L metoda momenata,
metoda maksimalne vjerojatnosti).

Slika 8: Usporedba između histograma (podaci o volumenu) i funkcija gustoće vjerojatnosti (PDF) za sve
razmatrane funkcije distribucije za metodu momenata, metodu L-momenata i metodu maksimalne
vjerojatnosti.

51
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Slika 9: Rezultati probabilističke analize volumena valova velikih voda (uzorak godišnjih maksimuma) korištenjem svih funkcija
distribucije i metoda procjene triju parametara.

Slika 9: Rezultati analize učestalosti poplava za vrijednosti volumena (godišnji maksimalni uzorak serije) za sve korištene funkcije
distribucije i tehnike procjene parametara.

Slika 9 prikazuje krivulje koje povezuju procijenjene vrijednosti
volumena s odgovarajućim povratnim razdobljima. Normalna
distribucija dala je najniže procijenjene vrijednosti volumena
za sve tri metode procjene parametara distribucije.
Generalizirana logistička distribucija dala je najveće procijenjene
vrijednosti volumena za metodu momenata L i metodu najveće
vjerojatnosti,
uklapanje u podatke kao metoda običnih trenutaka ili metoda
maksimalnog uvjerenja. Opet, najlošiju prilagodbu podacima
dala je normalna distribucija, a lošija prilagodba također je
pronađena pri korištenju generalizirane logističke distribucije.
Tablica 8 prikazuje rezultate Anderson-Darlingovog testa za
sve tri metode procjene parametara i svih sedam korištenih
funkcija distribucije. Osim toga, jesu

dok je u metodi momenata logaritamska normalna razdioba

pokazala najviše ocjene. Kod metode momenata L razlike
između korištenih funkcija distribucije su najmanje, dok je
odstupanje između različitih distribucija najveće kod metode
maksimalne vjerojatnosti. Korištenjem samo grafičkih testova
teško je odrediti koja funkcija distribucije najbolje odgovara
izmjerenim podacima, pa je za pouzdanije zaključke o
primjerenosti pojedinih metoda potrebno koristiti i statističke
testove.
također se prikazuju granične vrijednosti (karakteristična razina
0,05) za pojedinačne funkcije raspodjele. Uz pomoć tablice 8
možemo potvrditi nalaze dobivene grafičkim i drugim
statističkim testovima. No, također možemo vidjeti da se
Pearsonova distribucija tipa III, koja je u većini slučajeva
pokazala najbolje rezultate, ne može odbaciti s odabranom
karakterističnom razinom od 0,05. Pomoću statističkih testova
otkrili smo da je samo normalna distribucija odbijena u nekim
testovima

(Anderson-Darling, PPCC, Chi-kvadrat), nismo mogli odbaciti

6.2 Rezultati statističkih testova ostale funkcije distribucije (Pearson III, log-normal, log Pearson
III, GEV) s karakterističnom razinom od 0,05.
Čak iu probabilističkim analizama volumena valova visoke vode, mi smo
za određivanje

najprikladnije funkcije distribucije korištenjem statističkih

testova prikazanih u 3. poglavlju. U tablici 9 prikazane su konačne procijenjene vrijednosti
Otkrili smo da Pearsonova distribucija tipa III najbolje odgovara volumena velikih valova za razdoblje od 10 godina

podacima za većinu korištenih testova. Čak iu slučaju analize i sa 100-godišnjim povratnim periodom u procjeni parametara
volumena, otkrili smo da je procjena parametara prema metodi L metodom momenata, što je dalo najbolje rezultate statističkog
momenata L dala bolje rezultate za većinu distribucija i grafičkog ispitivanja.

52
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Tablica 8: Vrijednosti Anderson-Darling testa i kritične 7. Analiza vjerojatnosti trajanja valova

vrijednosti (razina značajnosti 0,05) za visoke vode
sva tri načina procjene parametara (volumena valova).

7.1. Rezultati analiza pomoću različitih

Tablica 8: Rezultati Anderson-Darling testa i kritične teoretskih distribucija i jednadžbi procjene parametara
vrijednosti (razina značajnosti 0,05) za sve metode
procjene parametara (volumeni valova).
I u probabilističkim analizama trajanja valova visoke vode
Distribucija/ MAMA LM MLE koristili smo iste funkcije distribucije, metode procjene
Distribucija (KV) (KV) (KV) parametara distribucije, te grafičke i statističke
funkcije

Normalan 1,224 1,231 1,454 testovi kao u analizama vrha valnog i volumena.
(0,762) (0,762) (0,762)
PP dijagrami u slučaju trajanja valova velike vode ne pokazuju
Logaritamski 0,319 0,287 0,303
očite razlike između metoda za procjenu parametara
normalan (0,762) (0,762) (0,762)
distribucija (slika 10). Budući da smo u analize koristili dnevne
Pearsonov III 0,360 (0,752) 0,282 0,322
vrijednosti protoka s maksimalnim vrhovima, dobili smo
0,318 (0,752) (0,752)
Logaritamski (0,752) 0,286 0,304 nekoliko valova s istim trajanjem. Korištenjem PP dijagrama
Pearson III 0,355 (0,752) (0,752) stoga je teško utvrditi razliku između pojedinih metoda
Gumbelova (0,777) 0,303 0,349 procjene parametara distribucije. Isto vrijedi i za histograme
0,374 (0,777) (0,777) podataka (vremena trajanja valova visoke vode) i gustoće
GEV (0,56) 0,296 0,371
vjerojatnosti korištenih funkcija distribucije (Slika 11). Ovaj
0,611 (0,56) (0,56)
grafički test nam služi kao dodatna kontrola izvedenog
GL (0,698) 0,356 0,507
(0,698) (0,698)

Tablica 9: Procijenjene vrijednosti volumena za sve funkcije

distribucije pomoću L metode momenata.
Tablica 9: Procijenjene vrijednosti volumena za
sve distribucije metodom L-momenata.
statistički testovi. Samo na temelju slike 11. teško je utvrditi
razlike između funkcija distribucije i metoda procjene
parametara.
Iz krivulja na slici 12, koje povezuju procijenjene vrijednosti
vremena trajanja i pripadajućeg povratnog perioda, vidimo da

Distribucija U 10 U 100 su opet u sve tri metode procjene parametara dane najniže
3
funkcija/Funkcija [106 m ] [106 m3 ] procijenjene vrijednosti vremena trajanja vala normalnom
distribucije raspodjelom. GL distribucija je, međutim, pokazala najveće
Normalan 528 684 procijenjene vrijednosti trajanja u metodi L-momenata i metodi
maksimalnog vjerovanja.
Logaritamski 546 872
normalan
Pearson III 546 835 Logaritamska Pearson III distribucija dala je najveće procijenjene
vrijednosti u metodi momenata.
Logaritamski 547 892
Sa slike 12 možemo vidjeti da pri nižim vrijednostima intervala
Pearson III
ponavljanja (manje od 10 godina) sve funkcije distribucije
Gumbelova 540 825
dobro odgovaraju podacima kao što je prikazano Weibullovom
GEV 540 868 jednadžbom, ali pri većim vrijednostima povratnih razdoblja,

GL 527 910 nijedna od distribucijske funkcije uspijevaju dobro pratiti

podatke.

53
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

Slika 10: PP dijagrami za podatke o vremenu trajanja i logaritamsku Pearson III distribuciju u procjeni
parametara pomoću sve tri korištene metode (metoda trenutaka, metoda trenutaka L, metoda najveće
vjerojatnosti).

Slika 10: PP dijagrami za podatke o trajanju i log-Pearson III distribuciju kada su parametri procijenjeni metodom
momenata, metodom L-momenata i metodom maksimalne vjerojatnosti.

Slika 11: Usporedba između histograma podataka o vremenima trajanja i gustoćama vjerojatnosti za sve
korištene funkcije distribucije i sve tri metode procjene parametara (metoda momenata, metoda momenata L,
metoda maksimalne vjerojatnosti).

Slika 11: Usporedba između histograma (podaci o trajanju) i funkcija gustoće vjerojatnosti (PDF) za sve
razmatrane funkcije distribucije za metodu momenata, metodu L-momenata i metodu maksimalne
vjerojatnosti.

Slika 12: Rezultati probabilističke analize trajanja valova velikih voda (uzorak godišnjih maksimuma)
primjenom svih funkcija distribucije i metoda procjene triju parametara.

Slika 12: Rezultati analize učestalosti poplava za vrijednosti trajanja (godišnji maksimalni uzorak serije) za
sve korištene funkcije distribucije i tehnike procjene parametara.

54
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

7.2 Rezultati statističkih testova Rezultati za svih sedam korištenih funkcija distribucije

Statistički testovi također su korišteni u analizama i za L metodu momenata.

trajanja valova visoke vode, što je prikazano u poglavlju
3. U većini korištenih testova, logaritamska Pearsonova
distribucija tipa III pokazala je najbolje podudaranje s
podacima. U prosjeku, metoda maksimalne vjerojatnosti
dala je nešto bolje pristajanje od metode L-momenata u
RMSE, MAE, RMAE, AIC i 5 testova koji uspoređuju
empirijske i teorijske vjerojatnosti, ali kombinacija log-
Pearson III distribucije i metoda maksimalne vjerojatnosti
odbačena je u testu Kolmogorov-Smirnov s
Tablica 10: Vrijednosti Anderson-Darling testa i kritične
vrijednosti (razina značajnosti 0,05) za
sve tri metode procjene parametara (vremena
trajanja vala)
Tablica 10: Rezultati Anderson-Darling testa i
kritične vrijednosti (razina značajnosti 0,05) za sve
metode procjene parametara (trajanje valova)
Distribucija/ MAMA LM MLE

karakterističnom razinom od 0,05. Pearson III distribucija Distribucija (KV) (KV) (KV)
funkcije
i logaritamska Pearson III distribucija (L metoda
Normalan 2,095 2,153 2,653
momenata) stoga su dale niže vrijednosti statistike testa
(0,762) (0,762) (0,762)
(više vrijednosti za PPCC test) za većinu provedenih
Logaritamski 0,904 0,896 1,065
testova i u isto vrijeme nisu odbijene za
normalan (0,762) (0,762) (0,762)
Pearson III 0,711 0,611 0,951
(0,752) (0,752) (0,752)
niti jedan od testova koji se mogu koristiti za provjeru Logaritamski 0,642 0,604 0,667
hipoteza. Normalna distribucija, log-normalna distribucija, Pearson III (0,752) (0,752) (0,752)
Gumbelova distribucija, GEV distribucija i GL distribucija Gumbelova 0,798 0,798 0,943
odbačene su u najmanje jednom testu (sve tri metode (0,777) (0,777) (0,777)
procjene parametra). Tablica 10 prikazuje rezultate GEV 0,762 0,617 0,633

Anderson-Darling testa za sve korištene (0,563) (0,563) (0,563)

GL 1,134 0,708 0,630
(0,698) (0,698) (0,698)
funkcije distribucije i sve tri metode estimacije parametara.
Može se vidjeti da je kombinacija logaritamske Pearson III
distribucije i metode momenata L pokazala najbolje pristajanje
Tablica 11: Procijenjene vrijednosti trajanja valova visoke

u ovom testu.
vode za sve funkcije raspodjele z
koristeći metodu momenata L

Kao što je već spomenuto, nešto lošiji fit dobiven je pri

Tablica 11: Vrijednosti procijenjenog trajanja za

korištenju Pearsonove distribucije tipa III. Također možemo

sve distribucije korištenjem metode L-momenata

vidjeti da su mnoge distribucijske funkcije odbijene s Distribucija T 10 T 100

karakterističnom razinom od 0,05. Tako npr. mi odbacio funkcija/Funkcija [dani] [dani]
normalnu, logaritamsku normalnu, Gumbelovu i GEV distribucije

distribuciju u sve tri metode procjene parametara. Ostale Normalan 18.7 23.4

funkcije distribucije također su odbačene, ali samo za neke

Logaritamski 18.7 26.5
metode procjene parametara (Pearsonova III za metodu normalan
maksimalne vjerojatnosti, GL za metodu momenata i metodu Pearson III 19.5 29.8
momenata L), a logaritamska Pearson III distribucija nije
Logaritamski 19.2 32.3
Pearson III
Gumbelova 19.1 27.7

odbijen u bilo kojoj metodi procjene parametara. U GEV 18.9 31.7

tablici 11 prikazane su konačne procijenjene vrijednosti GL 18.6 32.6

trajanja visokovodnih valova s 10-godišnjim i 100-
godišnjim povratnim razdobljem. Prikazani su

55
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana

8. Rasprava i zaključci logaritamska Pearson III i Pearson III distribucija. U većini

slučajeva metoda momenata L pokazala se najučinkovitijom
U istraživanju smo koristili nekoliko vrsta teorijskih
za procjenu parametara, dok su metoda momenata i
distribucija i metoda za procjenu parametara distribucije
metoda maksimalnog vjerovanja dale nešto lošije rezultate.
u probabilističkoj analizi sve tri varijable. Na taj način smo
napravili precizne analize i usporedbe rezultata pojedinih
Također Hosking i Wallis (1997) u svojim istraživanjima
kombinacija metoda. Mnogi drugi autori također su
utvrdio da je metoda momenata L višestruko učinkovitija
koristili nekoliko različitih distribucija (Karmakar i
od najčešće korištene metode običnih momenata.
Simonovic, 2008; Genest i Favre, 2007) i metoda procjene
Međutim, Hosking (1990) je napisao da je metoda
parametara (Hosking, 1990) u sličnim istraživanjima.
momenata L bolja od metode maksimalne vjerojatnosti u
Korišteno je nekoliko grafičkih i statističkih testova kako
slučaju normalno velikih uzoraka. Metode momenata i
bi se odredila najprikladnija funkcija distribucije i
momente L u svom diplomskom radu obradio je i Kučič
usporedile pojedinačne distribucije i metode procjene
(2007). Utvrdio je da je metoda momenata L mnogo
parametara.
stabilnija i da se razlike između te dvije metode
povećavaju s povratnim periodom.

U probabilističkoj analizi visokih vodostaja, rezultati

U probabilističkoj analizi volumena utvrdili smo da
analiza i ispitivanja pokazali su da logaritamska Pearson
Pearsonova razdioba tipa III s estimacijom parametara prema
III distribucija najbolje odgovara podacima vodomjerne
metodi momenata L najbolje odgovara uzorku mjerenih
postaje Litija 1. Ova distribucijska funkcija također je
podataka, a slijede je logaritamska normalna razdioba i
korištena kao marginalna distribucija u analizama Zhanga
logaritamska Pearsonova razdioba tipa III s estimacijom
i Singha (2007). Dala je nešto lošije rezultate
parametara prema metodi maksimalne vjerojatnosti.

Pearsonova III distribucija, praćena generaliziranom

Nešto lošije rezultate dale su Gumbelova distribucija i
distribucijom ekstremnih vrijednosti i
generalizirana distribucija ekstremnih vrijednosti (metoda
log normalne distribucije. Slično tome, u svom su
momenata L). Također za grafičke testove je Pearson III
istraživanju Karmakar i Simonovic (2007.) otkrili da je
distribucija
gama distribucija, koja također uključuje Pearson III i
pokazao dobre rezultate. Kao rubne raspodjele za
logaritamsku Pearson III distribuciju, pokazala najbolje
Za modeliranje valnih volumena velikih voda, u nekim
pristajanje podacima te su je stoga odabrali kao graničnu
drugim istraživanjima odabrane su sljedeće funkcije
distribuciju za analizu skokova. U našem slučaju najgore
distribucije: Gumbel (Zhang i Singh, 2006), gama (Genest
podudaranje očekivano je dala normalna raspodjela.
i Favre, 2007) i logaritamska Pearson III (Zhang i Singh,
Došlo je i do jednog odbijanja nulte hipoteze pri testiranju
2006; Zhang i Singh, 2007). Karmakar i Simonovic (2008)
normalne distribucije (razina rizika 0,05) korištenjem hi-
otkrili su da logaritamska normalna razdioba najbolje
kvadrat testa. Druge funkcije distribucije nismo mogli
odgovara podacima među parametrijskim razdiobama.
odbaciti niti u jednom testu s odabranom karakterističnom
Korištenjem statističkih testova iz tablice 4. u našem smo
razinom od 0,05. Po našem mišljenju, uz testove iz skupine
istraživanju utvrdili da je u jednom slučaju
1, 2 ili 4, ima smisla koristiti barem jedan test iz skupine
3. Ovim testovima možemo testirati hipoteze (Kolmogorov-
Smirnov, Anderson-Darling, PPCC) i stoga provjerite je li
odabrana funkcija distribucije uopće prikladna za
ponovno je odbačena samo normalna razdioba, dok
provođenje probabilističke analize. Čak i grafički testovi
ostale funkcije razdiobe s odabranom karakterističnom
u našem slučaju pokazuju da se normalna distribucija
razinom od 0,05 nismo mogli odbaciti. Koristeći statističke
najlošije podudara s izmjerenim podacima, dok se
testove iz skupina 1, 2, 3 i 4, utvrdili smo da je procjena
izmjereni vrhovi visoke vode najbolje podudaraju
parametara metodom momenata L opet pokazala bolje
uklapanje pojedinačnih distribucija s podacima nego
procjena

56
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj
izbora metode na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica
25/42 (2012), 41-58, Ljubljana
parametri koristeći metodu momenata i metodu maksimalne
vjerojatnosti u većini slučajeva. Ovi su nalazi u skladu s onima
drugih autora (Hosking, 1990; Hosking i Wallis, 1997), ali razlika
između L metode momenata i metode maksimalnog vjerovanja
nije bila tako izražena kao u šiljcima.
Probilistička analiza trajanja valova pokazala je da
logaritamska Pearsonova distribucija tipa III najbolje odgovara
podacima, a zatim slijedi Pearsonova III distribucija. Čak iu
analizama trajanja vala, najgore je odgovarala podacima
normalna distribucija. Karmakar i Simonovic (2008) otkrili su da
je od parametarskih metoda gama distribucija pokazala
najbolje pristajanje u analizama trajanja valova. I Pearson III
distribucija i logaritamska Pearson III distribucija pripadaju
obitelji gama distribucija, pa se može reći da su istraživači došli
do sličnih zaključaka. Zhang i Singh (2007) također su koristili
logaritamsku Pearson III distribuciju kao graničnu distribuciju
trajanja. U analizi trajanja, u našem istraživanju, većina
korištenih kombinacija odbijena je u barem jednom statističkom
testu. S karakterističnom razinom od 0,05, mi smo barem jedan
testirao i odbacio normalnu, logaritamsku normalnu,
Gumbelovu, GEV i GL distribuciju u sve tri metode procjene
parametara.
Do mnogih odbacivanja funkcija raspodjele u analizama
trajanja došlo je jer je, zbog korištenja dnevnih vrijednosti
protoka, nekoliko godišnjih maksimuma imalo isto trajanje
vala. Procjena parametara metodom momenata L pokazala je
bolju prilagodbu podataka odabranim distribucijama u
analizama trajanja od metode momenata i metode maksimalne
vjerojatnosti za većinu korištenih kombinacija distribucija i
metoda procjene parametara. Ovi su nalazi u skladu s onima iz
analize vrha i volumena valova visoke vode.
Statističkim i grafičkim testovima odredili smo funkcije
distribucije koje su najprikladnije za multivarijantnu analizu
valova visoke vode Save u
Litiji s kopulnom funkcijom. Stoga smo za marginalne funkcije
distribucije odabrali logaritamsku Pearson III distribuciju za
vrhove i vremena
57
trajanje i Pearsonova III distribucija za volumene. Ove funkcije
raspodjele koristili su i drugi istraživači (Zhang i Singh, 2006;
Genest i Favre, 2007; Karmakar i Simonovic, 2008). Osim toga,
otkrili smo da upotreba metode momenata L za procjenu
parametara distribucija u većini korištenih statističkih i grafičkih
testova daje bolju prilagodbu pojedinačnih distribucija
podacima od metode maksimalnog vjerovanja i metode
momenata, stoga preporučamo metodu momenata L za
praktičnu primjenu, unatoč malo zahtjevnijoj primjeni.
Hvala
Zahvaljujemo se Agenciji za okoliš Republike Slovenije na
ustupljenim podacima s vodomjerne postaje Litija na rijeci Savi.
Rezultati istraživanja nastali su u okviru
temeljnog istraživačkog projekta J2-4096, financiranog od
Javne agencije za znanstvenoistraživačku djelatnost Republike
Slovenije.
Izvori
Bezak, N. (2012). Probabilistička analiza velikih voda
vrhova metodom vrijednosti iznad odabranog praga i metodom
godišnjih maksimuma (Analiza učestalosti poplava s metodom
vrhova iznad praga i godišnjim maksimumom
metoda serije). Neobjavljena teza, Sveučilište u Ljubljani, FGG,
106 str. (i slovenski).
Brilly, M., Polič, M. (2005). Javna percepcija rizika od poplava,
predviđanje i ublažavanje poplava, prirodne opasnosti i
znanosti o sustavu Zemlje, 5(3), 345–355.
Brilly, M., Šraj, M. (2005). Osnove hidrologije.
Ljubljana, Sveučilište u Ljubljani, Fakulteta za graditeljstvo in
geodeziju, 309 str. (i slovenski).
Đurović, B., Mikoš, M. (2004). Preventivno upravljanje rizicima
zbog prirodnih opasnosti – Postupci u alpskim zemljama i
Sloveniji = Preventive management of risks due to natural
hazards – Procedures in the alpine countries and in Slovenia,
Acta hydrotechnica, 22(36), 17–35.
Frantar, P., Hrvatin, M. (2008). "Režimi protoka" u P.
Frantar (ur.), Vodna bilanca Slovenije 1971–2000. MOP ARSO,
Ljubljana, 43–50.
Favre, AC, El Adlouni, S., Perreault, L., Thiemonge, N., Bobee, B.
(2004.). Multivarijatna analiza hidrološke frekvencije pomoću
kopula, Istraživanje vodnih resursa, 40, W01101,
doi:10.1029/2003WR002456.
Machine Translated by Google
Šraj M. i sur.: Utjecaj izbora metode na rezultate analize frekvencija vrhova, volumena i trajanja poplavnih valova Save u Litiji - Utjecaj izbora metode
na rezultate analize frekvencija vrhova. , volumeni i trajanje poplavnih valova rijeke Save i Litije Acta hydrotechnica 25/42 (2012), 41-58, Ljubljana
Genest, C., Favre, AC (2007). Sve što ste oduvijek željeli znati o
modeliranju kopule, ali ste se bojali pitati, Journal of Hydrologic
Engineering, 12(4), 347-
368.
Grimaldi, S., Serinaldi, F. (2006). Asimetrična kopula i multivarijatna
analiza učestalosti poplava, Advances in Water Resources, 29, 1155–
1167.
Haan, CT (2002). Statističke metode u hidrologiji.
Iowa State Press, 496 str.
Haddad, K., Rahman, A. (2010). Odabir najprikladnije distribucije
učestalosti poplava i postupak procjene parametara: studija slučaja
za Tasmaniju u Australiji.
Stohastičko istraživanje okoliša i rizik
Procjena, 25 (3), 415-428.
Hosking, JRM (1990). L-momenti: analiza i procjena distribucija pomoću
linearnih kombinacija statistike reda, Časopis Kraljevskog statističkog
društva: serija B (statistička metodologija), 52(1), 105–124.
Hosking, JRM, Wallis, JR (1997). Analiza regionalnih frekvencija: pristup
temeljen na L-momentima.
Cambridge University Press, Cambridge, 224 str.
Karmakar, S., Šimonović, SP (2008). Bivarijatna analiza učestalosti
poplava: Dio 1. Određivanje graničnih parametarskih i
neparametarskih tehnika, Journal Flood Risk Management, 1(4),
190-200.
Kobold, M., Zgonc, A., Sušnik, M. (2005).
Nesigurnost mjerenja oborine i predviđanja u modeliranju bujičnih
poplava = Nesigurnost mjerenja oborine i predviđanja u flash
modeliranje poplava, Acta hydrotechnica, 23(39), 79–98.
Kottegoda, NT, Rosso, R. (2008). Primijenjena statistika za inženjere
građevinarstva i zaštite okoliša. Qxford, Blackwell Publishing, 718 str.
Kučić, K. 2007. Metoda L-momenata za analizu učestalosti poplava.
Neobjavljena teza, Sveučilište u Ljubljani, FGG, 85 str. (i slovenski).
Maidment, D. (1993). Priručnik iz hidrologije.
McGrow-Hill, New York, 1424 str.
Mikoš, M., Brilly, M., Ribičič, M. (2004). Poplave i klizišta u Sloveniji,
Acta hydrotechnica, 22(37), 113–133.
58
Pregledajte statistiku publikacije
Pugelj, A. 2012. Analiza vodnih valova Save u Šentjakobu.
Neobjavljena teza, Sveučilište u Ljubljani, FGG, 98 str. (i slovenski).
Renard, B., Lang, M. (2007). Upotreba Gaussove kopule za multivarijantnu
analizu ekstremnih vrijednosti: Neke studije slučaja u hidrologiji,
Napredak u vodnim resursima, 30, 897–912.
Ricci, V. (2005). Prilagođavanje distribucija s R. http://cran.r-project.org/
doc/contrib/Ricci-distributions-en.pdf (Preuzeto: 01.03.2012.).
Salvadori, G., De Michele, C., (2004.). Analiza učestalosti putem kopula:
Teorijski aspekti i primjena na hidrološke događaje, Water Resources
Research, 40, W12511, doi:10.1029/2004WR003133.
Salvadori, G., De Michele, C. (2007). O korištenju
Kopule u hidrologiji: teorija i praksa, Journal of Hydrologic Engineering,
ASCE, 12(4), 369–380.
Swanson, DA, Tayman, J., Bryan, TM (2011.).
MAPE-R: promijenjena mjera točnosti za presječne subnacionalne
prognoze stanovništva. Časopis za istraživanje stanovništva, 28(2-3),
225–243.
Šraj, M., Dirnbek, L., Brilly, M. (2010). Utjecaj efektivne količine oborina
na modelirani hidrogram otjecanja,
Časopis za hidrologiju i hidromehaniku, 58(1), 3–
14.
Turk, G. (2012). Račun vjerojatnosti i statistika.
Ljubljana, Sveučilište u Ljubljani, Fakulteta za graditeljstvo in geodeziju,
264 str. (i slovenski).
Ulaga, F. (2011). Hidrološka postaja Litija na Savi, Naše ekloje, 18(8),
81–85 (na slovenskom).
Zhang, L., Singh, potpredsjednik (2006.). Bivarijatna analiza učestalosti
poplava korištenjem metode Copula, Journal of Hydrologic Engineering,
11(2), 150-164.
Zhang, L., Singh, potpredsjednik (2007.). Trivarijatna analiza učestalosti
poplava korištenjem Gumbel-Hougaardove kopule, Journal of
Hydrologic Engineering, 12(4), 431-
439.