is Íslenska en English

Lokaverkefni (Meistara)

Háskóli Íslands > Verkfræði- og náttúruvísindasvið > Meistaraprófsritgerðir - Verkfræði- og náttúruvísindasvið >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: https://hdl.handle.net/1946/20431

Titill: 
  • Titill er á ensku Bayesian Flood Frequency Analysis Using Monthly Maxima
Námsstig: 
  • Meistara
Útdráttur: 
  • Útdráttur er á ensku

    In this thesis a statistical flood frequency analysis model is proposed working fully within the framework of Bayesian hierarchical models and latent Gaussian models. The model uses monthly maxima as opposed to the almost exclusive use of annual maxima in field in an attempt to make better use of data in a field where reliable data is hard to come by. At the latent level a generalized linear mixed model is incorporated that accounts for seasonal dependence of parameters and provides a mechanism that allows the model to be extrapolated to river catchments where little or no data is available. The observed data comes from twelve river catchments around Iceland.
    The choice of data distribution is based on the Gumbel distribution, a special case of the Generalized Extreme Value distribution, and is a complex, high dimensional model that comes with high computational costs. The Markov chain Monte Carlo (MCMC) inference methods make use of a newly developed sampling scheme called the split-sampler pioneered by Óli Páll Geirsson at the University of Iceland to make the sampling process efficient. The specification of prior distributions makes use of Penalizing Complexity Priors to introduce a robust method to infer the latent parameters.
    The results indicate that the use of monthly maxima are a viable option in flood frequency analysis and that the latent linear mixed model for the likelihood parameters serves as a solid foundation for future research.

  • Í þessari ritgerð er sett fram tölfræðilegt líkan á sviði flóðagreiningar sem fellur undir Bayesísk stigskipt líkön. Líkanið byggist á mælingum um mánaðarleg hágildi á meðan notkun á árlegum hágildum hefur verið venjan í greininni. Með því að notast við mánaðarleg hágildi er reynt að nýta betur þau gögn sem eru til staðar í þar sem áreiðanleg rennslisgögn eru ekki á hverju strái. Undirliggjandi ferli líkansins samanstendur af alhæfðu línulegu líkani með slembiþáttum sem gerir ráð fyrir mánaðarlegri fylgni milli sennileikastika og gefur af sér verkfæri til þess að fá stikamöt fyrir ár þar sem mælingar eru fáar eða ekki til staðar. Gögnin koma frá tólf ám á Íslandi.
    Gagnadreifing er byggð á svonefndri Gumbel-dreifingu sem er sértilfelli af Generalized Extreme Value (GEV) dreifingunni. Gagnadreifingin verður flókin dreifing sem hefur í för með sér dýra reikninga. Likanið er metið með Markov chain Monte Carlo (MCMC) aðferðum og notast við nýtt algrími sem nefnist Split-sampling algorithm,sem er hannaður af Óla Páli Geirssyni hjá Háskóla Íslands. Þegar undirliggjandi ferlið er ákvarðað er notast við nýjar aðferðir, Penalizing Complexity Priors, til þess að búa til sterka aðferð til að meta stika sem tilheyra því ferli.
    Niðurstöðurnar gefa til kynna að notkun á mánaðarlegum hágildum er góður kostur í tölfræðilegri flóðagreiningu. Einnig gefa niðustöðurnar til kynna að alhæfða línulega líkanið sem myndar undirliggjandi ferlið er góður grunnur fyrir framtíðarrannsóknir.

Styrktaraðili: 
  • Rannsóknarsjóður Háskóla Íslands
    Landsvirkjun
Samþykkt: 
  • 28.1.2015
URI: 
  • http://hdl.handle.net/1946/20431


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
ms(1).pdf1.91 MBOpinnHeildartextiPDFSkoða/Opna