See veebileht kasutab küpsiseid kasutaja sessiooni andmete hoidmiseks. Veebilehe kasutamisega nõustute ETISe kasutustingimustega. Loe rohkem
Olen nõus
"Muu" projekt V336
V336 "Soome lahe ja St. Petersburgi üleujutuse riski analüüs (1.12.2006−1.12.2009)", Aleksander Toompuu, Tallinna Tehnikaülikool, Tallinna Tehnikaülikool, TTÜ Meresüsteemide Instituut.
V336
Soome lahe ja St. Petersburgi üleujutuse riski analüüs
Flood risk analysis for the Gulf of Finland and Saint Petersburg
Flood risk analysis for the Gulf of Finland and Saint Petersburg
1.12.2006
1.12.2009
Teadus- ja arendusprojekt
Muu
muu - > välisleping
ETIS klassifikaatorAlamvaldkondCERCS klassifikaatorFrascati Manual’i klassifikaatorProtsent
4. Loodusteadused ja tehnika4.2. MaateadusedP500 Geofüüsika, füüsikaline okeanograafia, meteoroloogia 1.4. Maateadused ja sellega seotud keskkonnateadused (geoloogia, geofüüsika, mineroloogia, füüsiline geograafia ning teised geoteadused, meteoroloogia ja ning teised atmosfääriteadused, klimatoloogia, okeanograafia, vulkanoloogia, paleoökoloogia100,0
AsutusRollPeriood
Tallinna Tehnikaülikoolpartner01.12.2006−01.12.2009
Tallinna Tehnikaülikool, TTÜ Meresüsteemide Instituutpartner01.12.2006−01.12.2009
AsutusRiikTüüp
NATO
PerioodSumma
01.12.2006−01.12.2009563 278,00 EEK (36 000,03 EUR)
36 000,03 EUR

Meretaseme jaotust on traditsiooniliselt modelleeritud normaaljaotusega. Selline vaikimisi tehtud eeldus voib osutuda mitterakendatavaks juhul kui on tarvis hinnata üleujutuste riski ekstreemselt korgete meretasemete korral, sest ekstremaalväärtuste jaotus on enamasti oluliselt erinev normaalsest. Ekstremaalväärtuste statistika (EVS) modelleerib nimetatud äärmuslikke sündmusi olenemata nende lähtejaotusest. Äärmuste modelleerimine lihtsustab otsuste vastuvotmist, sest ekstremaalväärtused voivad vastata kolmele jaotusele, Gumbeli, Weibulli voi Frechet jaotusele. Projektis hinnatakse üleujutuste riski lähtuvalt nimetatud kolmest jaotusest.
Sea level data that are in the tails of statistical distributions have been traditionally modeled with a Gaussian distribution. This inherent assumption of many statistical calculations can be dangerous for applications such as damage detection, which deal mostly with those extreme data points that are not accurately modelled by the Gaussian assumption. Extreme value statistics (EVS) focuses on modelling these extreme events without knowing their parent distributions. Modelling the tails simplifies the decisionmaking (establishment of decision boundaries) to some extent because the extreme values follow one of the three EV distributions: Gumbel, Weibull, or Frechet. In this Project, risk analysis and damage detection will be reworked to take advantage of these extreme value distributions.
KirjeldusProtsent
Alusuuring100,0