Hydrologie und
Flussgebietsmanagement
o.Univ.Prof. DI Dr. H.P. Nachtnebel
Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau
Gliederung der Vorlesung
z Statistische Grundlagen
z Extremwertstatistik
z Korrelation und Regression
z Zeitreihenanalyse und Anwendung
z Regionalisierung & räumliche Interpolation
z Bodenwasserhaushalt
z Grundwasserhaushalt
z N-A Modelle – Einheitsganglinie
z N-A Modelle – kombinierte Translations- und Speichermodelle
z Kontinuierliche N-A Modelle
z Retention und Flood Routing
z Hydrologische Vorhersagen
z Flussgebietsmodelle
z Stofftransport
z Sedimenttransport – Modellierung
z Flussgebietsmodelle
Korrelation und Regression Seite 3
Definitionen / Anwendung
¾
Regression
• Ermittelt ART des Zusammenhanges von verschiedenen Messwertreihen
¾
Korrelation
• GÜTE des Zusammenhanges
• Maßzahl: Korrelationskoeffizient
¾
Anwendung
• Verknüpfung zwischen verschiedenen hydrologische Variablen zur Prognose
• Schluss von Variabler X auf Y
• schließen von Messlücken
• Trendanalyse von Beobachtungsreihen
¾
Stichprobenvoraussetzung
• Untersuchte Variablen sind normalverteilte Zufallsvariablen
• Unabhängigkeit
• Homogenität
Einfache lineare Regression
Pegel P2 (Y)
Einfache Lineare Regression
εi
Pegel P1 (X)
εi
εi … Abweichungen
Bx A y ˆ = +
Pegel P1
Pegel P2
• Lineare Beziehungsgleichung zwischen P1und P2
• Regression von y auf x und umgekehrt von x auf y möglich
By
A
x ˆ = +
Korrelation und Regression Seite 5
Normalgleichungen
¾
Methode der kleinsten Quadrate Î Normalgleichungen
• Lösung des Gleichungssystems = Schätzgleichung für die Parameter a, b, c …
Abfluss und Einzugsgebietsfläche
HHQ - MHQ
y = 0.467x + 55.43 R2 = 0.94
y = 0.227x + 10.24 R2 = 0.98
y = 0.399x - 0.25 R2 = 0.82
0 100 200 300 400 500 600 700
0 200 400 600 800 1000 1200
Einzugsgebietsfläche (km²) Q (m³/s)
HHQ MHQ MHQ Zubringer Linear (HHQ ) Linear (MHQ) Linear (MHQ Zubringer)
Korrelation und Regression Seite 7
Korrelation
{ } ∑ i2
Min ε
Pegel B (Y)
Pegel A (X)
εi … Abweichungen
x b a y ˆ = + ⋅
y b a x ˆ = + ⋅
εiy
εix
α
• Schätzung von x auf y Regressionsgerade 1
• Schätzung von y auf x Regressionsgerade 2
• Aussage über die Güte des Zusammenhangs über den
einschließenden Winkel
2 1
X Y
X‘
Mehrfache (multiple) Regression
¾
Y = a
0+ a
1X
1+ a
2X
2+ a
3X
3linear
¾
Y= a
0+ a
1X
1+ a
2X
22nichtlinear
Korrelation und Regression Seite 9
¾
Korrelationskoeffizient
• r prüft allgemein das Varianzverhältnis vom Schätzwert ŷizu gemessenem Wert yi
• |r| = 1 Îidealer linearer Zusammenhang
z Positives Vorzeichen – wächst x, wächst y
z Negatives Vorzeichen – wächst x, nimmt y ab
• r = 0 Îkein Zusammenhang
z
Was drückt Korrelationskoeffizient aus?
• Varianz des Modells Varianz der Messwerte
Zusammenhang – Maßzahlen 1
( )
(
ˆ)
2 1 12
≤
≤
− −
± −
= r
y y
y r y
i i
( )
1
ˆ 2
−
∑
− ny
yi ( )
1
2
−
∑
− ny yi
Zusammenhang – Maßzahlen 2
¾
Bestimmtheitsmaß
( )
(
y y)
VarianzGesamtdurch ianzgressiony B y
i i
var ˆ Re
2 2
− =
= −
∑ ∑
Beispiel: B = 0,660 % der Varianz erklärt
Korrelation und Regression Seite 11
Vertrauensbereiche für Regressionsgerade
Festlegung durch Signifikanzniveau
Vertrauensband
Prüfverfahren
¾
Stichprobe – Grundgesamtheit
• a, b und r aus Stichprobe Îsignifikant für Grundgesamtheit?
¾
r signifikant ≠ 0 mit Irrtumswahrscheinlichkeit α
• Für die Umgebung r = 0 ÎVariable folgt Student-Verteilung
• t < tα,n-2… r weicht NICHT signifikant von 0 ab
• t > tα,n-2… r ≠ 0
1 2
2 r r n
t −
= − sr
t=r−ρ
Korrelation und Regression Seite 13
Prüfverfahren 2 / Vertrauensbereich von r
¾
Vertrauensbereich von r
• αals Quantil der Standardverteilung – beidseitig
• Ober- und Untergrenzen von r über αund Fisher-Transformation
Student-Verteilung
f(r)
Einfache nichtlineare Regression
Y
Einfache nicht lineare
Regression X
ˆ A Bx Cx
2y = + +
• Stichprobenvoraussetzungen gelten – Kontrolle der Normalverteilung mittels Histogramm
• Nichtlineare Beziehungsgleichung
•
Min{
Maxε
i}
Korrelation und Regression Seite 15
Grundwasserneubildung im Marchfeld
¾
y = Grundwasserneubildung (mm/10 Tage)
¾
x
1= Dekadennummer im Jahr ( - )
¾
X
2= Niederschlag/Dekade (mm/10 Tage)
¾
x
3= Vorregensumme (mm)
¾
x
4= Temperatur (°C)
¾
x
5= Bodenmächtigkeit (cm)
¾
( ) ( )
( )
4( )
53
2 1
024 . 0 059
. 0 048
. 0
10 . 0 055
. 0 53
, 0
x x
x
x x
y
− +
⋅
− +
⋅ +
+
⋅ +
⋅
− +
=
Niederschlag
Verdunstung
GW-Neubildung
Nichtlineare Multiple Regression
Abflussspitze, Gebietscharakteristik, Jährlichkeit
¾
A Einzugsgebietsfläche
¾
S Gefälle des Hauptflusses
¾
S
tSpeicherkapazität (Retentionsraum)
¾
I 24h Niederschlag für Jährlichkeit T
¾
t Temperaturfaktor für Gefrieren/Schneeschmelze
¾
O Orographischer Faktor (NS-Verteilung)
g fe d t c
b
S S I t O
A a
Q = ⋅ ⋅ ⋅ ⋅ ⋅ ⋅
Korrelation und Regression Seite 17
¾
dQ: Differenz von Abflüssen:
z 24h-Prognose
z 48h-Prognose
z 72h-Prognose
¾
dQA: Differenz von Pegelabflüssen
¾
dQS: Differenz von Schneeschmelzabflüssen
¾
dQB: Differenz von Bodenspeicherabflüssen
¾
GN: Tagessumme des Gebietsniederschlags
¾
GT: Tagesmittel der Gebietstemperatur
Prognosemodell
Korrelation und Regression Seite 19
Abflussprognosen
0 2 00 0 4 00 0 6 00 0 8 00 0
Abfluß [m³/s]
48 h - P ro gn ose Q b eo b a ch te t
Q m o d ellie rt 0
2 00 0 4 00 0 6 00 0
Abfluß [m³/s]
P ro gno se peg el G re ife nstein
24 h - P ro g no se A b flu ß m o d e llie ru n g H e rb s t 1 9 9 5 -9 6
Q be o ba ch te t Q m o de lliert
0 50 1 0 0 15 0 2 0 0 25 0
0 20 00 40 00 60 00
Abfluß [m³/s]
72 h - P ro gn o se Q be o b ac hte t
Q m o de llie rt
Rückblick Korrelation und Regression
¾
Erklären von Regression / Korrelation und deren Voraussetzungen
¾
Arten der Regression / Korrelation
z
Einfach linear
z
Nichtlinear
z
Mehrfach
¾
Maßzahlen für den Zusammenhang
z
Korrelationskoeffizient
z
Bestimmtheitsmaß
¾