Dergiler / Konya Journal of Engineering Sciences / 2017 / Cilt: 5 Sayı: 4

FREKANS ANALİZİNDE ALTERNATİF BİR PARAMETRE TAHMİN METODU

An Alternative Parameter Estimation Method in Frequency Analysis

Sayfa
445–459
Yayın Tarihi
2017-12-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Son olarak, Robust İstatistikler Metodu ile elde edilen parametreler kullanılarak hesaplanan belli olasılıklı tahminler (kuantiller), Maksimum Olabilirlik Metodu, Momentler Metodu ve Olasılık Ağırlıklı Momentler Metodu gibi geleneksel parametre tahmin metotlarıyla elde edilen sonuçlarla karşılaştırılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Taşkınlar, sağanaklar ve kurak akımlar gibi ekstrem hidrolojik olayların frekans analizi, su kaynakları sistemlerinin planlanması, boyutlandırılması ve işletilmesi açısından büyük önem arz ettiği gibi, bu ekstrem olayların ekonomik ve sosyal açıdan olumsuz sonuçlarından kaçınma konusunda da büyük fayda sağlamaktadır.
📊
Temel Bulgular & Veri:Çalışma kapsamında, özellikle hidrolojik frekans analizinde yaygın bir şekilde kullanılan altı farklı olasılık dağılım fonksiyonuna (Normal, 2 ve 3 parametreli lognormal, Gamma, Gumbel, ve genelleştirilmiş ekstrem değer GEV) yer verilmiştir.
💡
Sonuç & Katkı:Son olarak, Robust İstatistikler Metodu ile elde edilen parametreler kullanılarak hesaplanan belli olasılıklı tahminler (kuantiller), Maksimum Olabilirlik Metodu, Momentler Metodu ve Olasılık Ağırlıklı Momentler Metodu gibi geleneksel parametre tahmin metotlarıyla elde edilen sonuçlarla karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Hidrolojik Frekans Analizi · Parametre Tahmin Metotları · Robust İstatistikler

Özet

Taşkınlar, sağanaklar ve kurak akımlar gibi ekstrem hidrolojik olayların frekans analizi, su kaynakları sistemlerinin planlanması, boyutlandırılması ve işletilmesi açısından büyük önem arz ettiği gibi, bu ekstrem olayların ekonomik ve sosyal açıdan olumsuz sonuçlarından kaçınma konusunda da büyük fayda sağlamaktadır. Frekans analizinin önemli adımlarından biri uygun dağılım modelinin parametrelerinin tahmin edilmesidir. Bu makalede, merkezi eğilimin robust (sağlam) bir parametresi olan M (medyan), istatistiksel saçılmayı gösteren robust parametre IQR (kuartiller arası uzaklık) ve kuartil çarpıklık katsayısı QCs istatistiklerini kullanan alternatif bir parametre tahmin metodu (RİM) (Robust İstatistikler Metodu) anlatılmaktadır. Çalışma kapsamında, özellikle hidrolojik frekans analizinde yaygın bir şekilde kullanılan altı farklı olasılık dağılım fonksiyonuna (Normal, 2 ve 3 parametreli lognormal, Gamma, Gumbel, ve genelleştirilmiş ekstrem değer GEV) yer verilmiştir. Medyan ve kuartiller arası uzaklık gibi robust istatistiklerin kullanılmasının, aykırı gözlemlerin varlığından veya değişiminden kaynaklanan etkilere karşı daha güvenli parametre tahmini sağlayacağı düşünülmektedir. Çalışmada sayısal örnekler olarak, altı yağış istasyonunun 24 saat süreli yıllık maksimum yağış şiddeti verileri kullanılmıştır. Son olarak, Robust İstatistikler Metodu ile elde edilen parametreler kullanılarak hesaplanan belli olasılıklı tahminler (kuantiller), Maksimum Olabilirlik Metodu, Momentler Metodu ve Olasılık Ağırlıklı Momentler Metodu gibi geleneksel parametre tahmin metotlarıyla elde edilen sonuçlarla karşılaştırılmıştır.

Abstract

Frequency analysis of extreme hydrologic events such as floods, storms, and droughts provides important information on planning, design, and management of water resources systems, and this information is helpful in avoiding negative economic and social consequences. An important step of the frequency analysis is to estimate the appropriate distribution's parameters. This paper shows the application of an alternative parameter-estimation method, RSM (Robust Statistics Method), which calculates the robust measure of central tendency M (median), statistical dispersion IQR (interquartile range) and quartile coefficient of skewness QCs; and uses these robust statistics by the estimation of the parameters of various distribution functions. Six probability distributions (Normal, 2- and 3- parameter lognormal, Gamma, Gumbel and generalized extreme value GEV), which are commonly used in hydrological frequency analysis were discussed within the study. The advantage of using robust statistics like median and interquartile range in parameter estimation is to ensure the resistance to the effect of a change in value or presence of outlying observations. Numerical analyses as part of this research were carried out on the annual maximum 24h rainfall intensities of rainfall gages in the Aegean Region (Turkey). Eventually, the quantile estimations calculated with the parameters of Robust Statistics Method were compared with the results of conventional methods like Maximum Likelihood, Method of Moments, and Probability-Weighted Moments.

🔖

Bu Makaleye Atıf Yap

AŞIKOĞLU, Ö. L. (2017). FREKANS ANALİZİNDE ALTERNATİF BİR PARAMETRE TAHMİN METODU. Konya Journal of Engineering Sciences, Cilt: 5 Sayı: 4, 445–459. https://ajindex.com/articles/909355

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Abramowitz, M., Stegun, I. A., 1984, Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables, A Wiley - Interscience Publication, John Wiley & Sons, Inc., New York. Ahmad, I., Fawad, M., Akbar, M., Abbas, A., Zafar, H. 2016, “Regional Frequency Analysis of Annual Peak Flows in Pakistan Using Linear Combination of Order Statistics”, Polish Journal of Environmental Studies, Vol. 25, 6. Atroosh, K.B., Moustafa, A. T., 2012, “An Estimation of the Probability Distribution of Wadi Bana Flow in the Abyan Delta of Yemen”, Journal of Agricultural Science, Vol. 4, No. 6 Chow, V. T., Maidment, D. R., Mays, L. W., 1988,
  2. Applied Hydrology, McGraw-Hill, New York. Greenwood, J. A., J. M. Landwehr, N. C. Matalas, J. R. Wallis, 1979, “Probability Weighted Moments: Definition and Relation to Parameters of Several Distributions Expressible in Inverse Form”, Water Resources Research, Vol. 15, pp. 1049-1054.
  3. Gumbel, E. J., 1958,
  4. Statistics of Extreme, Columbia University Press, 375 pp. Haktanır, T, Cobaner, M., Kisi O., 2010, “Frequency Analyses of Annual Extreme Rainfall Series from 5 Min to 24 h”, Hydrological Processes, Vol. 24, pp. 3574–3588.
  5. Hosking, J. R. M. 1986, The Theory of Probability Weighted Moments Research Report RC12210, IBM Research Division, Yorktown Heights, N.Y. Jee, H. K, Yeo, W. K, Kim, J. H, Lee, S., 2008, Rainfall Intensity Duration Frequency (IDF) Analysis for the Asia Pasific Region,Chapter 8, 76-81, ‘Technical Documents in Hydrology’, No:2, Asian Pasific FRIEND, International Hydrological Programme, UNESCO Jakarta Office, Indonesia. Kendall, M. G., Stuart, A., 1961,
  6. The Advance Theory of Statistics, II, Griffin, London. Koutsoyiannis, D., Kozonis, D., Manetas, A., 1998, “A Mathematical Framework for Studying Rainfall Intensity-Duration-Frequency Relationships”, Journal of Hydrology, Vol. 206, pp. 118-135.
  7. Kottegoda, N. T., Rosso, R. 2008, Applied Statistics for Civil and Environmental Engineers, Second Edition,
  8. Blackwell Publishing. Kumar, R., Chatterjee, C., Kumar, S., Lohani, A. K,. Singh, R. D. 2003, “Development of Regional Flood Frequency Relationships using L-moments for Middle Ganga Plains Subzone 1(f) of India”, Water Resources Management, Vol. 17, pp. 243–257.
  9. Landwehr, J.M., Matalas, N.C., Wallis, J.R. 1979, “Probability Weighted Moments Compared with Some Traditional Techniques in Estimating Gumbel Parameters and Quantiles”, Water Resources Research, Vol. 15 (5), pp. 1055-1064.
  10. Opere, A. O.; Mkhandi, S.; Willems,