Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: generalized extreme value

Sortuj według:

Ogranicz wyniki do:

Characteristic velocity of strong wind for wind engineering purposes

Lipecki Tomasz, Gaczek Mariusz, Goliger Adam, Kimbar Grzegorz, Węgrzyński Wojciech

Archives of Civil Engineering

2023

Vol. 69, nr 3

217--237

Eurocode standard recommends using fundamental basic wind velocity (characteristic velocity) as the design value in civil engineering. There are different approaches to estimate this value depending on the climate features of the given area and the quality of environmental data. The estimation of the characteristic value requires statistical analysis of historical data regarding wind velocities measured throughout the country at meteorological stations. The results of the analysis are probability density distributions of this random variable for each meteorological station. On this basis, values of characteristic wind velocity with a mean return period of 50 years are determined. The zones with uniform velocities are delineated on the map of the country. In the case of Poland the last evaluation of wind zones took place over 15 years ago. Higher quality of measurement data on the one hand, and the introduction of the second generation of Eurocode standards on the other hand, create a need to check and update these zones. This work presents theoretical basis for the estimation of characteristic values of random variables in the context of wind velocity, comprehensively reviews practical methods used for this purpose and summarizes current situation in Poland, finally discusses the issues related to the heterogeneity of wind data, illustrating them with an example.

Eurokod zaleca stosowanie podstawowej bazowej prędkości wiatru (prędkości charakterystycznej) jako wartości projektowej w inżynierii lądowej. Istnieją różne metody szacowania tej wartości, zależne od cech klimatycznych danego obszaru oraz jakości rejestrowanych danych środowiskowych. Oszacowanie wartości charakterystycznej wymaga analizy statystycznej danych historycznych na temat prędkości wiatru mierzonej na stacjach meteorologicznych na terenie całego kraju. Wynikiem analizy jest rozkład gęstości prawdopodobieństwa i w konsekwencji wartość charakterystyczna prędkości wiatru w danej lokalizacji. W normach projektowych, przeważnie jest to prędkość o tzw. okresie powrotu wynoszącym 50 lat. Końcowym efektem jest wyznaczenie na mapie kraju stref o jednakowych prędkościach wiatru. W przypadku Polski ostatnia aktualizacja stref wiatrowych miała miejsce ponad 15 lat temu. Znacznie dłuższe okresy pomiarowe i dobra jakość danych rejestrowanych na stacjach w ostatnich latach oraz wprowadzenie w niedalekiej przyszłości drugiej generacji norm Eurokod stwarza potrzebę sprawdzenia tych stref i ewentualnej ich korekty. W pracy przedstawiono podstawy teoretyczne estymacji wartości charakterystycznych zmiennych losowych w kontekście prędkości wiatru, dokonano kompleksowego przeglądu praktycznych metod stosowanych w tym celu oraz podsumowano obecną sytuację w Polsce. Omówiono również zagadnienia związane z niejednorodności danych wiatrowych rejestrowanych na stacjach meteorologicznych, ilustrując je przykładem.

Trend and nonstationary relation of extreme rainfall: Central Anatolia, Turkey

Oruc Sertac

Acta Geophysica

2021

Vol. 69, no. 1

243--255

The frequency of extreme rainfall occurrence is expected to increase in the future and neglecting these changes will result in the underestimation of extreme events. Nonstationary extreme value modelling is one of the ways to incorporate changing conditions into analyses. Although the defnition of nonstationary is still debated, the existence of nonstationarity is determined by the presence of signifcant monotonic upward or downward trends and/or shifts in the mean or variance. On the other hand, trend tests may not be a sign of nonstationarity and a lack of signifcant trend cannot be accepted as time series being stationary. Thus, this study investigated the relation between trend and nonstationarity for 5, 10, 15, and 30 min and 1, 3, 6, and 24 h annual maximum rainfall series at 13 stations in Central Anatolia, Turkey. Trend tests such as Mann– Kendall (MK), Cox–Stuart (CS), and Pettitt’s (P) tests were applied and nonstationary generalized extreme value models were generated. MK test and CS test results showed that 33% and 27% of 104 time series indicate a signifcant trend (with p<0.01–p<0.05–p<0.1 signifcance level), respectively. Moreover, 43% of time series have outperformed nonstationary (NST) models that used time as covariate. Among fve diferent time-variant nonstationary models, the model with a location parameter as a linear function of time and the model with a location and scale parameter as a linear function of time performed better. Considering the rainfall series with a signifcant trend, increasing trend power may increase how well fitted nonstationary models are. However, it is not necessary to have a signifcant trend to obtain outperforming nonstationary models. This study supported that it is not necessarily time series to have a trend to perform better nonstationary models and acceptance of nonstationarity solely depending on the presence of trend may be misleading.