Refining the working hypotheses of parameter identification in hydrological modelling:the concept of stochastic calibration

Kourakos, Vasileios; Κουράκος, Βασίλειος

dc.contributor.author	Kourakos, Vasileios	en
dc.contributor.author	Κουράκος, Βασίλειος	el
dc.date.accessioned	2022-03-15T08:07:47Z
dc.date.available	2022-03-15T08:07:47Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54970
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22668
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Επιστήμη και Τεχνολογία Υδατικών Πόρων”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Hydrological models	en
dc.subject	R & Hydrology	en
dc.subject	Stochastics	en
dc.subject	Stochastic calibration	en
dc.subject	Υδρολογικά μοντέλα	el
dc.subject	R & Υδρολογία	el
dc.subject	Στοχαστικά μοντέλα	el
dc.subject	Στοχαστική βαθμονόμηση	el
dc.title	Refining the working hypotheses of parameter identification in hydrological modelling:the concept of stochastic calibration	en
dc.title	Ξεκαθαρίζοντας τις υποθέσεις εργασίας στον προσδιορισμό των παραμέτρων των υδρολογικών μοντέλων: η έννοια της στοχαστικής βαθμονόμησης	el
heal.type	masterThesis
heal.classification	Hydroinformatics	en
heal.classification	Hydrology	en
heal.classification	Υδροπληροφορική	el
heal.classification	Υδρολογία	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-04
heal.abstract	The aim of this study is the introduction of a promising strategy for hydrological calibration, which utilizes synthetic data as drivers to identify model parameters and evaluates the adjusted model structure against the full historical sample. These synthetic time series incorporate the marginal properties and dependence structure of the observed data across multiple time scales. One of the main advantages of this methodology against conventional split-sample approaches is the estimation of more robust and “stable” parameter sets. This is due to the model being trained over a much longer dataset and extended hydroclimatic conditions. Another important advantage of this methodology is that the defined modelling scheme is evaluated against the full set of the observed data, hence the validation data set is also extended. In order to prove that the proposed calibration framework is independent of the chosen model, five lumped hydrological models of varying complexity were used for the testing of the calibration scheme. Initially, a proof-of-concept was employed on a representative catchment and across two time scales, monthly and daily, by using for each scale analysis two hydrological models with alternative parameterization. The proposed calibration technique performed equally well as the classical split-sample scheme at the monthly time scale, whereas it demonstrated slightly lower performance at the daily scale. After proving the functionality of the stochastic calibration for this case study, this strategy was tested against a large set of catchments of the MOPEX database, at the monthly scale, to further reinforce the validity of the recommended methodology. From this large scale analysis it is deduced that the stochastic calibration outperformed the split-sample approach in more than half of the examined cases, regardless of the chosen hydrological model. In addition, stochastic calibration proved to be independent of the model structure’s complexity.	en
heal.abstract	Ο σκοπός της εργασίας αυτής είναι η παρουσίαση και η εφαρμογή ενός νέου στρατηγικού πλαισίου βαθμονόμησης υδρολογικών μοντέλων, το οποίο χρησιμοποιεί συνθετικά δεδομένα για να προσδιοριστούν οι παράμετροι του μοντέλου και επαληθεύει τη ρυθμισμένη δομή του με χρήση του πλήρους ιστορικού δείγματος. Οι συνθετικές αυτές χρονοσειρές παράγονται μέσω ενός στοχαστικού μοντέλου, το οποίο εξασφαλίζει την αναπαραγωγή όλης της στατιστικής πληροφορίας, που περιγράφει το πλήρες υδρολογικό καθεστώς που επικρατεί στην περιοχή μελέτης. Ένα από τα κύρια πλεονεκτήματα της βαθμονόμησης με συνθετικά δεδομένα, σε σύγκριση με τις συμβατικές μεθόδους βαθμονόμησης, είναι ότι οδηγεί σε πιο «εύρωστα» σετ παραμέτρων και πιο σταθερή ικανότητα πρόβλεψης του μοντέλου. Αυτό αποδίδεται στα σημαντικά μεγαλύτερου μήκους συνθετικά δεδομένα που διατίθενται για τους σκοπούς της ρύθμισης. Ένα ακόμη σημαντικό πλεονέκτημα είναι η επιμήκυνση του δείγματος επαλήθευσης, αφού η ρύθμιση του υδρολογικού μοντέλου αξιολογείται με χρήση του πλήρες ιστορικού δείγματος. Προκειμένου να τεκμηριωθεί η υπόθεση ότι το προτεινόμενο μεθοδολογικό πλαίσιο είναι ανεξάρτητο του επιλεγμένου μοντέλου, πέντε αδιαμέριστα και μεταβλητής πολυπλοκότητας υδρολογικά μοντέλα υδατικού ισοζυγίου χρησιμοποιήθηκαν για τον έλεγχο του σχήματος βαθμονόμησης. Αρχικά, η στρατηγική αυτή βαθμονόμησης εφαρμόστηκε σε μια αντιπροσωπευτική υδρολογική λεκάνη και για δύο χρονικές κλίμακες, μηνιαία και ημερήσια, χρησιμοποιώντας για κάθε κλίμακα δύο υδρολογικά μοντέλα με εναλλακτική παραμετροποίηση. Η προτεινόμενη τεχνική βαθμονόμησης απέδωσε εξίσου καλά με το κλασσικό σχήμα βαθμονόμησης σε μηνιαία κλίμακα, ενώ σε ημερήσια κλίμακα παρουσίασε ελαφρώς μικρότερη επίδοση. Έπειτα, το προτεινόμενο σχήμα βαθμονόμησης ελέγχθηκε για ένα μεγάλο σετ λεκανών απορροής της βάσης δεδομένων MOPEX, σε μηνιαία κλίμακα προσομοίωσης, για να ενισχυθεί περαιτέρω η λειτουργικότητα της μεθόδου. Από αυτή την ανάλυση μεγάλης κλίμακας συνάγεται ότι η στοχαστική βαθμονόμηση αποδίδει καλύτερα από τη βαθμονόμηση με τα ιστορικά δεδομένα στις περισσότερες από τις εξεταζόμενες περιπτώσεις, ανεξάρτητα από το επιλεγμένο υδρολογικό μοντέλο. Επιπρόσθετα, αποδεικνύεται ότι η στοχαστική βαθμονόμηση είναι ανεξάρτητη της πολυπλοκότητας της δομής του υδρολογικού μοντέλου.	el
heal.advisorName	Efstratiadis, Andreas	en
heal.advisorName	Ευστρατιάδης, Ανδρέας	el
heal.committeeMemberName	Ευστρατιάδης, Ανδρέας	el
heal.committeeMemberName	Τσουκαλάς, Ιωάννης	el
heal.committeeMemberName	Παπακωνσταντής, Ηλίας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	81 σ.	el
heal.fullTextAvailability	false