Analysis with uncertainty of hydrological extreme events
In engineering practice for flood risk assessment it is of primary importance to provide an accurate design flood estimate corresponding to a given risk level. Developing efficient methodologies for assessing flood quantiles in ungauged river basins means to focus on Uncertainty Quantification (UQ). Uncertainty of the model parameters and observed measures is the subject of a relevant and ongoing research activity, in assessing the uncertainty in the design flood we deal with the uncertainty of the model output. In this thesis, the evaluations of the flood quantiles and the predictive uncertainty of these variables are provided by two different models. Within the framework of regional flood frequency analysis approaches, the Top-Kriging interpolation technique is used and the results are compared with the estimates of flood quantiles provided by an at site flood frequency analysis. Moreover, identification procedure of the uncertain parameters of the distributed hydrological model MOBIDIC (MOdello di Bilancio Idrologico DIstribuito e Continuo) was developed. Efficient tools to tackle the parameter identification and the evolution of uncertainty in hydrological modelling have been researched. Monte Carlo and related techniques, i.e. the sampling or ensembles procedures, are well-known, methods based on functional approximation, where the unknown Random Variables (RVs) are represented as functions of known and more simple independent RVs, are very recent and can help to accelerate the Bayesian update. In order to find the Bayesian solution of inverse problem, the Ensemble Kalman filter (EnKF) and Wiener’s Polynomial Chaos Expansion (PCE) methods are compared. The numerical evaluation of the analyzed Bayesian updating methods is carried out with reference to the hydrological model MOBIDIC. The proposed methodologies are applied to the case study of the Arno river basin, in Tuscany Region, Italy. The actual value of some model parameters is described in a Bayesian way through a probabilistic model: the parameters are considered as RVs, the impact of errors, or uncertainty, in the data are investigated. The quantification of the accuracy of the different models and the comparison of results from the interpolation techniques and from the hydrological model MOBIDIC are evaluated. Finally, a preliminary discussion on the ways to convey the results of UQ to stakeholders and to communicate the outcomes for flood risk assessment is carried out.
In der technischen Praxis der Bewertung von Hochwasserrisikos ist es wichtig, eine präzise Wasserstandsvorhersage zusammen mit der Wahrscheinlichkeit ihres Auftretens zu liefern. Um effektive Methoden zur Bewertung von Hochwasserquantilen in Flüssen ohne Pegelmessung zu entwickeln, muss man den Fokus auf die Quantifizierung von Unsicherheit legen. Unsicherheiten bei Modellparametern und Messungen ist das Thema gegenwärtiger relevanter Forschungstätigkeit; bei der Einschätzung von Unsicherheiten in der Hochwassersimulation betrachten wir die Unsicherheit des Modells. In dieser Dissertation erfolgt die Evaluation der Quantile des Hochwasser und die Vorhersageunsicherheit dieser Variablen durch zwei unterschiedliche Modelle. Top Kriging Interpolationstechniken benutzt, und die Resulate werden mit Schätzungen der Hochwasserquantile verglichen, die durch eine Vorort-Hochwasserfrequenzanalyse gewonnen wurden. Zusätzlich wird das räumliche hydrologische Modell MOBIDIC, durch das die unsicheren Parameter identifiziert werden, eingeführt. Effiziente Werkzeuge zur Parameteridentifikation und Entwicklung von Unsicherheiten in hydrologischen Modellen werden identifiziert. Während Monte Carlo- und verwandte Techniken, z. B. Ensemble-Verfahren, wohlbekannt sind, sind Methoden der funktionalen Approximation, bei der die unbekannten Zufallsgrößen als Funktionen von bekannten und einfacheren Zufallsgrößen repräsentiert werden, relativ neu und können dazu dienen, Bayes´sche Aktualisierung zu beschleunigen. Um eine Bayes´sche Lösung des inversen Problems zu finden, werden der Ensemble Kalman Filter und Wieners Polynome Chaos-Entwicklungs verglichen. Die numerische Auswertung der analysierten Methoden zur Bayes´schen Aktualisierung wird in Bezug auf das hydrologische Modell MOBIDIC durchgeführt. Die Werte einiger Modellparameter werden auf Bayes´sche Weise anhand eines Wahrscheinlichkeitsmodells beschrieben: Die Parameter werden als Zufallsgrößen betrachtet und die Auswirkung von Fehlern oder Unsicherheiten bezüglich der Daten werden untersucht. Die Quantifikation der Genauigkeit der verschiedenen Modelle und der Vergleich der Resultate mit Hilfe von Interpolationstechniken und des MOBIDIC-Modells werden ausgewertet. Anschließend folgt eine vorläufige Diskussion über die Art und Weise, die Resultate der Quantifizierung von Unsicherheiten an Betroffene zu übermitteln und die Ergebnisse dieser Bewertung von Hochwasserrisiken zu veröffentlichen.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved