Στατιστικές μέθοδοι προσομοίωσης ακραίων γεγονότων: επιμέρους εφαρμογές σε μετεωρολογική παλίρροια, βροχόπτωση και κύμα

Περίληψη

Στο πλαίσιο της ανάλυσης της διακινδύνευσης πλημμύρας, και ειδικότερα του προσδιορισμού των πηγών της, είναι αναγκαία η μελέτη και η εκτίμηση των ακραίων γεγονότων που προκαλούν τέτοια φαινόμενα. Αρχικά, στη διατριβή αυτή παρουσιάζεται ένα μοντέλο ανεξάρτητων υπερβάσεων “POT” (Peaks Over Threshold), που χρησιμοποιεί για την περιγραφή τους μια μη-ομοιογενή σημειακή ανέλιξη. Για τον υπολογισμό των παραμέτρων του μοντέλου χρησιμοποιούνται οι μέθοδοι της Μέγιστης Πιθανοφάνειας, του Bayes και των L-Ροπών. Η Θεωρία Ακραίων Τιμών χρησιμοποιείται στη συνέχεια για την ανίχνευση πιθανών έκτοπων τιμών. Στη συνέχεια, εξετάζονται φαινόμενα μη-στασιμότητας, όπως η εποχικότητα και οι μακροχρόνιες τάσεις και η επίδρασή τους στα μοντέλα ακραίων τιμών. Για τον προσδιορισμό της «εποχικής» συνιστώσας του σήματος χρησιμοποιείται ο κυματιδιακός μετασχηματισμός. Για την προσομοίωση των χρονικών τάσεων των δεδομένων ακραίων τιμών, χρησιμοποιούνται απλές παραμετρικές και μη-παραμετρικές μέθοδοι. Στη συνέχεια, ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In a general flood risk analysis framework, and especially when dealing with the sources of flooding, it is essential to study and estimate the extreme events which are closely related to such phenomena. A “POT” model for threshold exceedances is presented and analyzed. This model uses a non-homogeneous point process to characterize events exceeding appropriately defined thresholds. To calculate the parameters of the extreme value model, different methods of estimation are tried the Maximum Likelihood Estimation procedure, the Bayesian estimation and the method of L-Moments. Extreme Value Theory is also used in the thesis to detect possible outliers in hydraulic and hydrologic series. One of the main subjects of concern of the present thesis is the study of non-stationary phenomena, such as seasonality and long term trends in the time series under consideration, and their effect on extreme value models. To define the seasonal component of a signal, the wavelet transform is utilised. To ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/21202
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/21202
ND
21202
Εναλλακτικός τίτλος
Statistical modelling methods of extreme events: additional applications to storm surge, rainfall and wave
Συγγραφέας
Γαλιατσάτου, Παναγιώτα του Αναστάσιος
Ημερομηνία
2009
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Πολιτικών Μηχανικών. Τομέας Υδραυλικής και Τεχνικής Περιβάλλοντος
Εξεταστική επιτροπή
Πρίνος Παναγιώτης
Κουτίτας Χριστόφορος
Κρεστενίτης Ιωάννης
Αγγελίδης Δημοσθένης
Βαφειάδης Μάριος
Κωτσοβίνος Νικόλαος
Αναγνωστοπούλου Χριστίνα
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία
Επιστήμη Πολιτικού Μηχανικού
Λέξεις-κλειδιά
Θεωρία ακραίων τιμών; Μονομεταβλητή ανάλυση; Μέθοδος μέγιστης πιθανοφάνειας; Υπολογισμός κατά Bayes; Επίπεδο επαναφοράς; Μακροχρόνιες τάσεις και εποχικότητα; Χωρική ανάλυση; Διμεταβλητά μοντέλα ακραίων τιμών
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xxxii, 405 σ., εικ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)