Entwicklung eines selbstkalibrierenden Niederschlag-Abfluss-Modells auf Basis der geomorphologischen Einheitsganglinie und Methoden des Machine Learning

By: Series: Schriftenreihe Hydrologie/Wasserwirtschaft Ruhr-Universität Bochum ; 30Bochum Ruhr-Universität Bochum 2019Description: 202 Seiten, PDF-DateiSubject(s): Other classification:
  • [Gc] Wasserwirtschaft - Mengenwirtschaft
Online resources: Dissertation note: Dissertation, Bochum, Ruhr-Universität Bochum, 2019 Abstract: In Einzugsgebieten ohne Abflussmessungen können klassische N-A Modelle nicht angewendet werden. Durch die fehlenden Daten kann keine Kalibrierung der Modelle durchgeführt werden. Modelle, die eine geomorphologische Einheitsganglinie (GIUH) verwenden, bieten die Möglichkeit die Modellstruktur an räumliche Muster eines Einzugsgebiets anzupassen und somit wichtige Informationen über die Abflussgenese zu berücksichtigen. Die wenigen freien Parameter des Modells sowie das Einbeziehen von Gebietsstrukturen sind die wichtigsten Vorteile dieser Modelle gegenüber anderen, konzeptionellen Modellen. Der Nachteil von GIUH-Modellen ist die benötigte ereignisweise Parametrisierung. In dieser Arbeit wurde dieses Problem durch ein Ensemble von Machine Learning Algorithmen gelöst. Darüber hinaus wurde die Möglichkeit getestet über den Lernprozess der Algorithmen Rückschlüsse auf die wirkenden hydrologischen Prozesse zu schließen.
Holdings
Item type Current library Call number Status Date due Barcode
[E] Elektronische Publikation DWA-Bibliothek Gc-63897-RUB (E) (Browse shelf(Opens below)) Präsenzbestand 63897

Dissertation, Bochum, Ruhr-Universität Bochum, 2019

In Einzugsgebieten ohne Abflussmessungen können klassische N-A Modelle nicht angewendet werden. Durch die fehlenden Daten kann keine Kalibrierung der Modelle durchgeführt werden. Modelle, die eine geomorphologische Einheitsganglinie (GIUH) verwenden, bieten die Möglichkeit die Modellstruktur an räumliche Muster eines Einzugsgebiets anzupassen und somit wichtige Informationen über die Abflussgenese zu berücksichtigen. Die wenigen freien Parameter des Modells sowie das Einbeziehen von Gebietsstrukturen sind die wichtigsten Vorteile dieser Modelle gegenüber anderen, konzeptionellen Modellen. Der Nachteil von GIUH-Modellen ist die benötigte ereignisweise Parametrisierung. In dieser Arbeit wurde dieses Problem durch ein Ensemble von Machine Learning Algorithmen gelöst. Darüber hinaus wurde die Möglichkeit getestet über den Lernprozess der Algorithmen Rückschlüsse auf die wirkenden hydrologischen Prozesse zu schließen.

There are no comments on this title.

to post a comment.
© Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e. V. (DWA) | DWA-Homepage | Datenschutz | Impressum | Kontakt