Geofizika, Vol. 39 No. 2, 2022.
Original scientific paper
https://doi.org/10.15233/gfz.2022.39.14
Modeli razdioba vjerojatnosti za procjenu kritičnog protoka poplavljivanja: Primjer mosta Kravga, Turska
Evren Turhan
; Civil Engineering Department, Adana Alparslan Turkes Science and Technology University, Adana, Turkey
Serin Değerli
; Civil Engineering Department, Adana Alparslan Turkes Science and Technology University, Adana, Turkey
Abstract
Posljednjih godina poplave su zbog klimatskih promjena učestale. Kako bi se stanovništvo pripremilo za moguće poplave, važno je na temelju analize učestalosti poplava procijeniti kritični protok poplavljivanja. U ovom radu su analizirani podaci prikupljeni tijekom 36-godišnjeg razdoblja sa dvije hidrološke postaje (SGS, postaje D17A016 i EIEI 1731) smještene u Istočnom Sredozemlju. Vrijednosti kritičnog protoka poplavljivanja izračunate su iz tih podataka za povratne periode od 2, 5, 10, 25, 50, 100, 200, 500 i 1000 godina. Pri tom su korištene normalna, log-normalna, Gumbelova, Pearsonova tipa III i log-Pearsonova razdioba tipa III. Da se odredi koja od razdiobi najbolje opisuje kritični protok poplavljivanja, primijenjeni su Kolmogorov-Smirnovljev (K-S) i x2 test. Rezultati su pokazali da je za obje postaje najveći kritični protok poplavljivanja dobiven primjenom log-normalne razdiobe, a najmanji primjenom normalne razdiobe. Rezultati K-S testa pokazali su da je razina signifikantnosti za sve razdiobe vjerojatnosti bila 20%. Interval pouzdanosti određen x2 testom za kritični protok poplavljivanja na postaji D17A016 određen log-normalnom razdiobom bio je 90%. Vrijednosti kritičnog protoka poplavljivanja određene drugim razdiobama dobivene dobivene sun a razini siginfikantnosti od 10%. Za postaju EIEI 1731 sve razdiobe vjerojatnosti su prema c2 testu imale razinu signifikantnosti od 10%.
Keywords
analiza čestina poplava; funkcije razdiobe vjerojatnosti; testovi dobrote prilagodbe; povratni periodi; most Kravga; Turska
Hrčak ID:
293328
URI
Publication date:
31.1.2023.
Visits: 872 *