Samer Elabd

Data-Driven Modeling for Water Resources Management (Case study: The Ruhr River Basin)

ISBN:

978-3-8322-9873-9

Series:

Bericht – Lehr- und Forschungsgebiet Wasserwirtschaft und Wasserbau
Herausgeber: Univ.-Prof. Dr.-Ing. A. Schlenkhoff
Wuppertal

Volume:

Keywords:

Wasserwirtschaft; Hydrologie; data-driven modeling; water resources management; Ruhr catchment area

Type of publication:

Thesis

Language:

English

Pages:

226 pages

Weight:

338 g

Format:

21 x 14,8 cm

Bindung:

Paperback

Price:

49,80 € / 99,60 SFr

Published:

March 2011

Buy:

Download:

Available PDF-Files for this title:

You need the Adobe Reader, to open the files. Here you get help and information, for the download.

These files are not printable.


	Document		Abstract
	Type		PDF
	Costs		free
	Action		Display of file - 94 kB (96502 Byte)
	Action		Download of file - 94 kB (96502 Byte)


	Document		Document
	Type		PDF
	Costs		37,35 EUR
	Action		Purchase in obligation and display of file - 14,7 MB (15456434 Byte)
	Action		Purchase in obligation and download of file - 14,7 MB (15456434 Byte)


	Document		Table of contents
	Type		PDF
	Costs		free
	Action		Display of file - 909 kB (930544 Byte)
	Action		Download of file - 909 kB (930544 Byte)

User settings for registered users

You can change your address here or download your paid documents again.

User:	Not logged in.
Actions:	Login / Register Forgotten your password?

Recommendation:

You want to recommend this title?

Review copy:

Here you can order a review copy.

Link:

You want to link this page? Click here.

Export citations:

Text
BibTex
RIS

Abstract:

Die Bewirtschaftung von wasserwirtschaftlichen Systemen basiert ganz wesentlich auf einer fundierten Analyse vergangener Zeitreihen und der anschließenden Prognose über die Fortsetzung der Zeitreihe in der Zukunft. Modelle wie von Thomas und Fiering sind in der Hydrologie weit verbreitet und seit langem im Einsatz. Später wurde diese Art von Modellen zunehmend komplexer und allgemein zu sogenannten FARIMA Modellen (Fractional Auto Regressive Integrated Moving Average Modellen) zusammen gefasst. Während bei deterministischen Modellen umfangreiche physikalische Daten über das wasserwirtschaftliche System verfügbar sein oder erhoben werden müssen, werden stochastische Modelle anhand weniger und leicht zu beobachtenden Zeitreihen wie Niederschlag, Temperatur und Abfluss aufgebaut. Dafür müssen die Zeitreihen (Daten) aber eine entsprechend hohe Qualität und ausreichende Länge aufweisen. Die vorliegende Arbeit stellt anhand einer Reihe von Anwendungsbeispielen die Grundlagen und Möglichkeiten verschiedener stochastischer Modelle dar und diskutiert deren Anpassung für den beispielhaften Einsatz für die Talsperren im Einzugsgebiet der Ruhr. Für die Zeitreihenanalyse oder die Generierung stochastischer Daten werden mittlerweile sehr komplexe mathematische Ansätze verwendet, die weit in die Mathematik und Informationstechnologie hineinreichen, in der Regel über die allgemeinen Kenntnisse der Wasserwirtschaftler hinausgehen und auf Ansätzen wie Künstliche Neuronale Netzwerke, Fuzzy Logic Methoden und Genetische Algorithmen basieren und teilweise auch in Kombination verwendet werden. Zudem sind entsprechend aufwendige Tests und Parameteranpassungen vorzunehmen, um die Modelleigenschaften zu beschreiben und an die Beobachtungen anzupassen. Hier liefert die vorliegende Arbeit einen Beitrag, die Lücke zwischen theoretisch formulierten mathematischen Ansätzen und den pragmatisch ausgerichteten Anwender mit Expertenwissen der wasserwirtschaftlichen Praxis zu schließen. Unter anderem wird die viel diskutierte Persistenz in den Zeitreihen (long memory) auf unterschiedliche Art und Weise dargestellt. Seit Hurst Anfang der 50ziger Jahre diesen Effekt beschrieben hat, wird über die Bestimmung und die Auswirkung für die Wasserwirtschaft diskutiert. Die wichtigste aufgegriffene Frage lautet dabei, wie dieser innere Zusammenhang bei der Generierung von künstlichen Zeitreihen berücksichtigt werden kann. Schließlich werden noch zwei gängige Verfahren zur Untersuchung der Stationarität vorgestellt. Ebenso interessant sind die Untersuchungen zur Zeitreihengenerierung mit Erhaltung der Hauptmomente der Häufigkeitsverteilung und unter Berücksichtigung der zeitlichen Abfolge des Auftretens, also der Korrelation. Es ergeben sich zahlreiche Ansätze, die Möglichkeiten der Zeitreihenanalyse für die Wasserwirtschaft stärker nutzbar zu machen.