Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: recurrence interval

Sortuj według:

Ogranicz wyniki do:

An empirical model of rainfall intensity as a function of rainfall duration and probability of occurrence

Harisuseno Donny, Prasetyorini Linda, Fidari Jadfan S., Chandrasasi Dian

Journal of Water and Land Development

2023

no. 56

182--193

Rainfall is one of the main components of the hydrologic cycle; thus, the availability of accurate rainfall data is fundamental for designing and operating water resources systems and infrastructure. This study aims to develop an empirical model of rainfall intensity (It,p) as a function of its probability (p) and duration (t). In 1999-2020, data on the hourly duration of rainfall were collected from automatic rainfall recorder (ARR) gauges. The empirical model has been developed using a statistical approach based on duration (t) and probability (p), and subsequently they have been validated with those obtained from ARR data. The resulting model demonstrates good performance compared with other empirical formulas (Sherman and Ishiguro) as indicated by the percent bias (PBIAS) values (2.35-3.17), ratio of the RMSE (root mean square error) between simulated and observed values to the standard deviation of the observations (RSR, 0.028-0.031), Nash-Sutcliffe efficiency (NSE, 0.905-0.996), and index of agreement (d, 0.96-0.98) which classified in the rating of “very good” in model performance. The reliability of the estimated intensity based on the empirical model shows a tendency to decrease as duration (t) increases, and a good accuracy mainly for the rainfall intensity for shorter periods (1-, 2-, and 3-hours), whereas low accuracy for long rainfall periods. The study found that the empirical model exhibits a reliable estimate for rainfall intensity with small recurrence intervals (Tr) 2-, 5-, 10-, and a 20-year interval and for a shorter duration (t). Validation results confirm that the rainfall intensity model shows good performance; thus, it could be used as a reliable instrument to estimate rainfall intensity in the study area.

Ryzyko w warunkach zmiany klimatu

Kozieł S.R.

Przegląd Geofizyczny

2008

Z. 3-4

235-245

Racjonalną definicję ryzyka, a więc i jego liczbową miarę, odnajdujemy w formalnych schematach podejmowania decyzji. Przykładem jest schemat ostrzeżeń jako typowy algorytm podejmowania decyzji w warunkach ryzyka. Zarządzanie ryzykiem nie może jednak polegać wyłącznie na podejmowaniu działań ograniczających skutki niepożądanych zdarzeń. To przede wszystkim analiza prawdopodobieństwa ich występowania. Jednak w warunkach niestacjonarnego klimatu prawdopodobieństwo jako kategoria decyzyjna nie jest dobrze określone. Prognoza klimatu jest pozyskiwana metodą modelowania fizycznego i właśnie na tej drodze proponuje się dokonywać oszacowania zmieniającej się w czasie funkcji ryzyka (hazardu). Ma ona interpretację średniej w jednostce czasu liczby zdarzeń w środowisku, w tym oczywiście tych, rozpoznanych w dotychczasowym klimacie jako ekstremalne. W konsekwencji funkcja ryzyka definiuje niestacjonarny rozkład prawdopodobieństwa czasu oczekiwania na pierwsze wystąpienie niepożądanego zdarzenia. Zaproponowano w pracy dwa typy niestacjonarnych rozkładów, a więc jako uogólnienie dyskretnego rozkładu geometrycznego oraz uogólnionego ciągłego wykładniczego. Pokazano, że już dla powoli, liniowo wzrastającej funkcji ryzyka, średni czas oczekiwania znacznie się skraca w stosunku do klasycznej oceny średniego okresu powtarzalności.

Rational definition of risk, and hence its numerical measure, we find patterns in the formal decision-making. An example is a warning as the typical situation of decision-making algorithm in terms of risk. Risk management can not rely solely on measures that restrict the effects of adverse events. In practices as decision-making category the probability of event is used. However, in terms of non stationary climate probability is not well defined. Climate forecast output may have a form of a non stationary time series thus it allows to make estimates of the changing functions of risk. This function have an interpretation of the average number of events, including of course those identified in the current climate as extreme. Consequently, the non stationary risk function defines the probability of time to wait for the first occurrence of adverse events. Proposes two types of non stationary distribution - first, as a generalization of discrete geometric distribution, and second as generalized continuous exponential. Shown that even for slowly linearly increasing function of risk, the average waiting time is significantly reduced compared to the classical average recurrence interval.