STIMA DELLE PORTATE DI MASSIMA PIENA IN UN BACINO IDROGRAFICO

1. DEFINIZIONE DI RISCHIO IDRAULICO E RISCHIO IDROLOGICO

Per rischio idraulico sintende la probabilit dinondazione da parte di acque provenienti da corsi dacqua naturali o artificiali, con conseguenti danni a persone o cose. La valutazione del rischio consiste nella definizione globale di tali probabilit e gravit, allo scopo di scegliere le adeguate misure di sicurezza. Il rischio un valore definito dal prodotto: =

dove:

= pericolosit dell'evento in analisi, ovvero la probabilit che un fenomeno accada in un determinato spazio con un determinato tempo di ritorno. La pericolosit un fattore legato sia alle caratteristiche fisiche del corso dacqua e del suo bacino idrografico, sia alle caratteristiche idrologiche (intensit, durata, frequenza e tipologia delle precipitazioni) del bacino imbrifero dal quale si alimenta ogni corso dacqua. = vulnerabilit, ovvero il grado di perdita su un elemento a rischio (0 =nessuna perdita 1 =perdita totale) = valore che l'elemento esposto al pericolo assume in termini di vite umane, economici, artistici, culturali o altro. Il territorio soggetto a rischio idraulico devessere suddiviso in quattro classi di rischio in base allentit del danno: (moderato), (medio), (elevato), (molto elevato). Mentre la pericolosit viene divisa in tre classi in base al livello di probabilit di esondazione: (bassa probabilit), (moderata probabilit), (alta probabilit). Il rischio idrologico definisce il rischio connesso all'instabilit di corsi fluviali come conseguenza di particolari condizioni ambientali, meteorologiche e climatiche che coinvolgono le acque piovane e il loro ciclo idrologico una volta cadute al suolo, con possibili conseguenze sull'incolumit della popolazione e sulla sicurezza di servizi e attivit su un dato territorio.
2.ASPETTI METODOLOGICI

Una corretta stima della massima portata al colmo, corrispondente ad un prefissato periodo di ritorno, indispensabile per poter programmare un serie di interventi finalizzati alla difesa del suolo e alla protezione idrogeologica. Fino ad alcuni decenni fa gli interventi effettuati trascuravano lesistenza di un rischio idrologico: la piena di progetto era valutata usando metodi empirici e deterministici, basati sulla massima portata osservata nelle stazioni di misura e su curve dinviluppo con larea del bacino sotteso. Le piene disastrose degli ultimi decenni hanno cos portato a riconoscere che la sicurezza assoluta non esiste ed quindi inevitabile associare alle piene di progetto un qualche livello di rischio che deve essere accettato. Da qui la necessit del mondo scientifico di far riferimento a studi statistici che per definizione considerano la probabilit di superamento come rischio accettabile. In particolare hanno avuto un impatto positivo gli studi statistici su base regionale, poich questi ultimi utilizzano tutta linformazione idrologica disponibile nella regione di interesse riducendo cos lincertezza della stima.

2.1. Metodologie La valutazione della portata di massima piena viene effettuata con metodologie diverse in relazione alla qualit e alla quantit di informazioni idrologiche disponibili. In generale si hanno: A. Metodi diretti elaborazione dei dati di portata disponibili per il corso dacqua che si esamina con successiva determinazione della legge di distribuzione di probabilit e stima dei parametri; B. Metodi indiretti 2 strade: - ricorso a elaborazioni di osservazioni di portata eseguite su altri corsi dacqua della medesima regione idrologica; - impiego di modelli matematici di trasformazione afflussi-deflussi, basati sulla conoscenza delle piogge sul bacino. A.Metodi diretti I metodi statistici prevedono due tipi di analisi: 1. Analisi di tipo locale at site La procedura prevede: - unindagine di tipo POT (picchi oltre la soglia) o AFS (serie annuale inondazioni), la scelta della distribuzione e della procedura per la stima dei parametri; - analisi della bont del modello; - calcolo dellevento di progetto (portata di progetto) o di , (altezza di precipitazione di progetto). In genere si consiglia di utilizzare questo tipo di analisi solo se la zona dinteresse molto eterogenea, perch soggetta a delle limitazioni come quella di dover ricorrere ad un numero ridotto di parametri caratterizzanti la distribuzione utilizzata (2 parametri per Gumbel e 3 parametri per la GEV ). In passato veniva consigliato di utilizzare i risultati di unanalisi di tipo locale solo se 15 . 2. Analisi di tipo regionale Ha lo scopo di stimare le portate probabili di massima piena in una sezione del reticolo idrografico scarso o del tutto privo di misure sperimentali. La stima prevede di studiare lintero territorio che circonda larea dinteresse e di stabilire dei parametri medi validi per tutto il territorio, in modo che, relazionati ad altre informazioni del bacino dinteresse, possano fornire dei valori affidabili. I vantaggi nelluso dellanalisi di tipo regionale sono: la possibilit di utilizzare distribuzioni con pi di due parametri e una minore incertezza per tempi di ritorno pi elevati. 2.2. Elementi di statistica idrologica Linferenza statistica un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Di solito, infatti, le caratteristiche della popolazione sono stimate dai dati dei campioni estratti dalla popolazione. Il percorso logico dellinferenza prevede le seguenti fasi: a. Estrazione di una parte della popolazione (campione) b. Calcolo delle statistiche campionarie, cio dei valori corrispondenti ai dati contenuti nel campione (es. media del campione) c. Stima dei parametri nella popolazione in base ai risultati forniti dal campione (inferenza). La differenza fondamentale tra popolazione e campione : Popolazione (o spazio campionario): insieme di tutti i possibili valori che una variabile casuale pu assumere. Campione: insieme di n eventi estratti dalla popolazione della variabile casuale. 2

Poich il campione deve essere rappresentativo della popolazione da cui viene estratto, devessere individuato con un campionamento casuale. Si parla di campione casuale se ogni possibile combinazione di n oggetti ha la stessa probabilit di essere selezionata. Una variabile numerica si definisce casuale se pu assumere diversi valori. Ognuno dei risultati di una variabile casuale associato a una determinata probabilit tramite una funzione definita distribuzione di probabilit. Larea totale sottesa da una distribuzione di probabilit pari a 1. Ogni caratteristica che pu essere misurata o categorizzata rappresenta una variabile, ne sono un esempio le grandezze idrologiche (portate di piena, altezze di precipitazione,ecc). Posto variabile casuale continua e definita su : - indica la funzione di probabilit (cumulata) di o funzione di probabilit di non superamento o CDF (funzione di distribuzione cumulativa): = , 0,1

- , derivata prima di , indica la funzione di densit di probabilit di , o PDF (funzione di densit di probabilit).

Il Tempo di ritorno legato alla probabilit di non superamento ; esso misura il numero di anni che mediamente bisogna attendere affinch un certo valore della variabile sia superato: = 1 1

Lintegrale della probabilit di non superamento non pu essere risolto in forma chiusa ma mediante integrazione numerica (EXCEL - Matlab) o valori tabellati (calcolo della variabile ridotta). 2.3.Distribuzioni statistiche Nelle inferenze statistiche si considerano principalmente le seguenti distribuzioni: - Gauss (normale) si usa per la gestione delle portate medie - Log normale deriva dalla distribuzione normale ed fornita dal logaritmo della variabile nel caso questultima segua una distribuzione normale. - Gumbel si utilizza per lanalisi dei valori estremi Distribuzione normale La distribuzione normale, o di Gauss, spesso usata come prima approssimazione per descrivere variabili casuali a valori reali che tendono a concentrarsi attorno a un singolo valor medio. Il grafico della funzione di densit di probabilit associata simmetrico e a forma di campana, nota come Campana di Gauss. La formula della distribuzione normale definita dai parametri media ( ) e deviazione standard () mentre media moda e mediana coincidono. 3

La sua densit di probabilit : = 2 1

= = valore atteso = = varianza

Con riferimento ad un campione osservato , stimare i parametri significa trovare i valori di , tale che la corrispondente distribuzione normale si adatti al meglio ai dati. Si utilizzano due metodi: - metodo dei momenti - metodo della massima verosimiglianza. Il metodo dei momenti si basa sulluguaglianza tra le espressioni teoriche dei momenti della popolazione, funzione dei parametri cercati, con i valori dei momenti calcolati per il campione: = = = =

dove ; = parametri della popolazione ; = parametri del campione Il metodo della massima verosimiglianza (Fisher) consiste nel trovare i valori dei parametri in corrispondenza dei quali massima la probabilit (approssimata) di osservare il campione. , = ; ,

Distribuzione log-normale Una variabile rappresentata da una distribuzione log-normale, se la funzione = , essendo a una costante, segue la legge normale, cio se la densit di data dalla funzione: =

= Distribuzione di Gumbel

La distribuzione Gumbel viene utilizzata per modellare la distribuzione del massimo (o il minimo) numero di campioni, che possono essere estratti da diverse distribuzioni. In idrologia la distribuzione di Gumbel utilizzata per analizzare variabili come valori massimi mensili e annuali delle piogge giornaliere e volumi di portata dei fiumi. Gumbel ha dimostrato che il valore massimo in un campione di una variabile casuale che segue una distribuzione esponenziale si avvicina sempre a quella di Gumbel al crescere della dimensione del campione. Funzione di ripartizione: =

i cui parametri (moda) e (misura della dispersione) vanno stimati con le relazioni che seguono: = 0.57722 =

Inoltre si hanno: = + = . 5772 =+

2.4.La legge G.E.V. Generalized estreme value G.E.V. = legge di distribuzione dei valori estremi (o distribuzione di Gumbel a doppia componente). La G.E.V. nasce dallassociazione di tre tipi di distribuzione dei valori estremi Gumbel, Frechet e Weibull, e presenta la seguente funzione di distribuzione: = con + > 0 + < 0 La distribuzione caratterizzata da tre parametri: = parametro di scala, se aumenta la distribuzione di allarga altrimenti si restringe; = parametro di posizione, al suo variare la distribuzione di sposta a destra se aumenta a sinistra se diminuisce; = parametro di forma, stabilisce se la funzione e limitata superiormente < 0 oppure no > 0,

Il valore di caratterizza landamento della distribuzione: = 0 legge di Gumbel (1 tipo) < 0 legge di Frechet (2 tipo) > 0 legge di Weibull (3 tipo)

La legge di Weibull, in quanto limitata superiormente, non pu essere utilizzata per i massimi idrologici. 5

Il modello probabilistico pu quindi essere determinato tramite il valore di , valore che dipende dalla serie storica considerata. La stima dei parametri del modello G.E.V. si pu compiere con il metodo dei momenti pesati in probabilit (P.W.M.) e utilizzando una tecnica di ricampionamento al fine di stimare i parametri. 3.Verifica della bont di adattamento di una distribuzione Strumenti per verificare che la distribuzione teorica si adatta alla popolazione di cui si conosce un campione sono: - carte probabilistiche: strumento puramente grafico, valutazione soggettiva - applicazione dei test statistici di adattamento: fornisce un risultato oggettivo. Calcola una misura delladattamento ed una soglia: misura < soglia si accetta la distribuzione misura > soglia si rigetta la distribuzione Le carte probabilistiche sono specifiche per ogni tipo di funzione di probabilit (log-normale, Gumbel, ..) e vengono costruite in modo tale che le curve di probabilit della funzione corrispondente vengono rappresentate da rette. Le carte probabilistiche sono utilizzate per verificare lammissibilit della funzione di probabilit prescelta per descrivere il campione: se la funzione di distribuzione indicata adatta ad interpretare le osservazioni, i punti dovranno addensarsi intorno ad una retta. Le carte presentano in ascissa la variabile , mentre in ordinata viene riportata la probabilit , il tempo di ritorno, o la variabile ridotta della distribuzione. Per riportare un punto sulla carta probabilistica, necessario conoscere di esso il valore e la probabilit . Se i parametri della distribuzione non sono stati ancora determinati, non possibile calcolare la probabilit attraverso le formule consuete. Nelle carte probabilistiche viene quindi utilizzata unapprossimazione della probabilit di superamento, detta plotting position. Per plotting position sintende lassegnazione di una famiglia di distribuzioni di frequenza ad un set di dati allo scopo di determinare una funzione di frequenza cumulata. Esistono diversi tipi di distribuzione che effettuano il plotting position, come quella di Hazen secondo cui la frequenza pari a: = 1 0.5 = 1 = ) (

In alternativa al cartogramma probabilistico, si pu ricorrere al probability plot che consiste nel riportare in ordinate le osservazioni, in ordine crescente, ed in ascissa il quantile calcolato, tramite la distribuzione, in corrispondenza alle frequenze di Weibull. Se i punti del grafico si trovano approssimativamente su una linea retta immaginaria inclinata positivamente, allora si pu affermare che i dati osservati si distribuiscono pressappoco secondo una determinata legge di distribuzione di probabilit. Il probabilit plot un test che consente di verificare la bont di adattamento (ovvero la proporzione tra la variabilit dei dati e la correttezza del modello statistico utilizzato) in maniera oggettiva attraverso il coefficiente di determinazione lineare ( o indice di bont di adattamento): =

Tanto pi elevato , tanto migliore sar ladattamento: quando = 0 il modello utilizzato non spiega per nulla i dati , quando = 1 il modello spiega perfettamente i dati. 6

Se la bont di adattamento della distribuzione osservata non fosse soddisfacente, si pu ricorrere allapplicazione del test di asimmetria, in cui si verifica se sostanziale la differenza tra il coefficiente di asimmetria della serie storica e quello teorico, questultimo indipendente dal valore assunto dai parametri della distribuzione. 4.Verifica di ipotesi Nel test statistico viene verificata, in termini probabilistici, la validit di un'ipotesi, definita ipotesi nulla . Il test statistico prevede di formulare unipotesi e di verificare se con i dati a disposizione possibile rifiutarla o no. Se il campione fornisce risultati fortemente in contrasto con , questa viene rifiutata a favore dellipotesi alternativa . Quindi: - se viene rigettata perch improbabile, questo un dato a favore di . - se non viene rigettata, questo non significa che debba necessariamente essere vera. necessario quindi stabilire un livello di improbabilit che autorizzi a rigettare lipotesi nulla. Tale valore viene definito p-value (o soltanto p) e indica la probabilit di ottenere un risultato pari o pi estremo di quello osservato, supposta vera l'ipotesi nulla (cio l'ipotesi che si vuole verificare nel test). Per condurre un test statistico importante fissare il livello di significativit prima di calcolare il valore . Pertanto, fissata lipotesi nulla e un livello di significativa su cui condurre il test, una volta calcolato il relativo pvalue possibile comportarsi come segue: - se lipotesi nulla non viene rigettata, ma ci non dimostra che essa sia vera. - se < lipotesi nulla va rigettata, in favore di una possibile ipotesi alternativa; Se si rifiuta un'ipotesi nulla che nella realt vera, si commette un errore di tipo I; la probabilit di commettere un errore di tipo I pari al p-value. Accettando invece un'ipotesi nulla falsa si commette un errore di tipo II; in genere errori di questo tipo sono legati alla scarsa numerosit dei campioni, e presentano una probabilit di verificarsi non calcolabile. Il test per la verifica delle ipotesi sar scelto in base alla forma del problema, purch alla fine, il risultato sia espresso sotto forma di p-value. Alcune tipologie di test sono: t di Student, Chi quadro, Coefficiente di correlazione e regressione, ANOVA, ANCOVA, MANOVA. 5.Curve di probabilit pluviometrica Levento di progetto rappresenta la miglior stima dellevento idrologico (portata fluviale , altezza di precipitazione , ) associato ad un determinato valore della probabilit di non superamento (o del tempo di ritorno). Quindi lanalisi statistica fornisce per ogni durata laltezza di precipitazione , con probabilit di non superamento relativa al tempo di ritorno considerato. La curva che fornisce la relazione tra durata e altezza di precipitazione con tempo di ritorno assegnato prende il nome di curva di probabilit pluviometrica. La determinazione delle curve di probabilit pluviometrica, si basa sullanalisi delle curve di frequenza cumulata () , costruite per le serie storiche dei massimi annuali delle piogge di durata 1, 3, 6, 12, 24 ore, adattando a ciascuna di esse, attraverso la stima dei parametri, un predefinito modello probabilistico (TCEV, Gumbel, ecc.). Dalle curve di frequenza, fissato il tempo di ritorno (in genere 10, 20, 50, 100, 200, 1000 anni) e per ogni durata sar quindi possibile ricavare il valore , . I valori determinati verranno riportati su un diagramma (, ) ed interpolati mediante delle curve caratterizzate dallespressione: , = 0 < < 1 7

Una volta stimati i parametri ed di ciascuna curva possibile entrare nella curva di probabilit pluviometrica, caratterizzata da un certo tempo di ritorno, e ricavare laltezza di pioggia. Metodi indiretti La stima delle portate di piena pu essere effettuata con altre metodologie, raggruppabili nelle seguenti categorie: - Formula razionale (trasformazioni di tipo semplificato) - Modello di trasformazione A-D (afflussi-deflussi): consente di simulare, in modo semplificato, i processi di formazione dei deflussi a partire dalle precipitazioni, estraendone poi i valori massimi. Si utilizza in mancanza di misure di portata di piena sufficienti ad unanalisi probabilistica diretta. Metodo razionale Il metodo razionale assume la precipitazione uniformemente distribuita nello spazio e nel tempo e si fonda sulla curva di possibilit climatica (o curva pluviometrica). Ipotesi di base: - () uguale alla maggiore tra le portate al colmo corrispondenti a eventi a intensit costante ricavati dalla curva pluviometrica con tempo di ritorno ; - la maggiore tra queste portate al colmo si ha in corrispondenza della durata uguale al tempo di corrivazione . Secondo la formula razionale la portata al colmo con tempo di ritorno sar pari a: = tempo di deflusso variabile da 0 1 in funzione delle caratteristiche del bacino , = altezza di precipitazione con tempo di ritorno e di durata critica Il tempo di corrivazione (ore) il tempo che occorre alla generica goccia di pioggia, caduta nel punto idraulicamente pi lontano, a raggiungere la sezione di chiusura del bacino in esame. Tale valore viene determinato attraverso la formula di Giandotti, valida per bacini di forma non allungata e > 100: = 4 + 1.5 0.8 = = = . = ,

In genere per bacini pi piccoli vi una sottostima del reale tempo di corrivazione. Una volta determinato il tempo di corrivazione di un certo numero di punti del bacino, si assume che esso si possa suddividere in un numero di fasce, dette isocorrive, delimitate da linee che uniscono i punti di uguale tempo di corrivazione rispetto alla sezione di chiusura. Considerando le aree comprese tra le varie linee equidistanti tra loro, si pu associare a ciascuna area lidrogramma di piena. Sotto lipotesi di linearit e stazionariet, quindi possibile considerare la portata nella sezione di chiusura in un generico istante, come somma dei contributi delle diverse fasce isocorrive, opportunamente traslati per tenere conto del tempo di corrivazione di ciascuna fascia. Lidrogramma di piena di tutto il bacino avr tempo di base pari alla somma della durata della pioggia e del tempo di corrivazione dellintero bacino. Se le aree sono tutte uguali tra loro, lordinata massima pari a quella prodotta dalle singole aree. Se > si verifica una traslazione dellidrogramma mentre la portata massima rimane costante.

Modello afflussi-deflussi Modello che definisce la relazione tra portata e precipitazioni ovvero permette di determinare la risposta idrologica di un bacino (deflussi superficiali e/o sotterranei) in corrispondenza a input di pioggia predefiniti, attraverso la simulazione dei processi che intervengono nella trasformazione tra gli afflussi e i deflussi. Si tratta di un modello a evento perch relativo a un singolo evento di precipitazione, quindi con un ordine di grandezza temporale di ore o frazione di giorni. Per studiare il bacino idrografico si fa riferimento alla teoria dei sistemi: ( pioggia grandezza in input) (portata grandezza in output) La portata si pu definire tramite lintegrale di convoluzione: = = = =

= Idrogramma Unitario Istantaneo definisce il comportamento del sistema

Alla base del meccanismo di formazione del deflusso di piena vi sono fenomeni di risposta non lineare che per sono spesso approssimati da relazioni di tipo lineare. I modelli lineari alla base della simulazione del deflusso di pioggia sono classificabili in due grandi categorie: - Modelli che si basano sul concetto del canale lineare - Modelli che si basano sul concetto di serbatoio lineare. Il canale lineare un elemento che produce soltanto un ritardo dell'uscita del deflusso rispetto all'ingresso del canale: = = =

Il sistema tanto pi efficace tanto pi il canale stretto e lungo quindi con poche immissioni laterali. Il serbatoio lineare, invece, rappresenta in modo schematico il fenomeno della "laminazione" dove il deflusso nella sezione terminale si verifica quando tutta la rete a monte riempita. Il livello del recipiente cresce fino ad arrivare alla soglia del massimo riempimento dove il contenuto fuoriesce. Si tratta di due situazioni limite che rappresentano 2 processi: - nel canale lineare sipotizza che il processo di afflussi-deflussi avvenga solo tramite traslazione dellonda di piena senza nessun disturbo. - nel caso di serbatoio lineare simpone che il processo di afflussi-deflussi avvenga secondo un processo di laminazione della piena, cio prima che la portata fuoriesca dalla sezione di chiusura, si dovranno riempire tutte le reti a monte. Sostituendo = nellintegrale di convoluzione, lunico parametro da stimare . Pertanto si applicano allintegrale i dati di pioggia e di portata, sipotizzano una serie di fino a individuare quello che ottimizza le portate, cio rende minima la differenza tra portata calcolata e portata misurata. Supposto che rimanga costante per i periodi successivi, si ricalcola la relazione con le nuove precipitazioni. Tuttavia nella realt non esistono canali perfettamente lineari o tondeggianti, quindi ci sono delle permutazioni tra questi modelli per definire lo schema pi adatto.

Esistono altre tipologie di modelli: - modelli che utilizzano le leggi dellidraulica (legge del continuo) per la valutazione della portata soprattutto per quanto riguarda la trasformazione allinterno dellasta principale. Sono modelli abbastanza affidabili ma anche molto influenzati dalle misure a disposizione, infatti richiedono diverse sezioni di misura; 9

- modelli black box (o a scatola chiusa) che usano lespressione = . Trovano buona applicazione quando si ha un numero elevato di misure del bacino, ma si pu anche estrapolare a un bacino diverso a condizione che siamo molto simili. Per una corretta applicazione del modello indispensabile disporre di un sufficiente numero di dati sperimentali, poich se le informazioni decadono anche il modello pi accurato fornisce risultati poco precisi. 6.Relazione idrologica La presente relazione idrologica descrive le modalit di studio ed i risultati ottenuti in merito alla stima delle portate di massima piena in un bacino idrografico. Si hanno a disposizione le serie storiche dei dati di portata e i massimi annuali degli ultimi 45 anni, anche se alcuni valori sono mancanti. Le informazioni disponibili sono state esplicitate: - numericamente, in una tabella che raccoglie in colonne differenti anno, portata, Q-media e scarto quadratico medio; - graficamente, nel diagramma cronologico delle portate e in quello delle medie delle portate Q-media.

1.DIAGRAMMA CRONOLOGICO

Sostanzialmente si pu dividere il grafico in due parti: i dati sopra la media e quelli sotto la media, che nel caso in esame pari a = 33,48. Landamento della legge di distribuzione non simmetrico ma si osservano delle code, dovute alla presenza di valori estremi. Dopo aver disposto in ordine crescente i valori delle portate a disposizione, avendo cura di eliminare i dati mancanti, si calcola la Frequenza cumulata di Hazel e la Frequenza cumulata di Weibull: = 0.5 = +1

Una volta noti tutti i valori necessari, si procede alla scelta del modello probabilistico pi adatto a riprodurre le caratteristiche della serie storica dei dati misurati. Si ipotizza di applicare, inizialmente, la distribuzione di Gumbel che permette, attraverso lanalisi di un campione di osservazioni, di assegnare una determinata frequenza e quindi un tempo di ritorno ad ogni evento. La distribuzione rappresentata dalla funzione di probabilit che segue: =

10

i cui due parametri (moda) ed (misura della dispersione) si stimano con le relazioni: = = 0,45 = 19,980 1.283 = 0,043 = = . . .

Invece della distribuzione di Gumbel pi opportuno calcolare perch fornisce landamento di una retta: = = dati di portata ordinati Le carte probabilistiche sono specifiche per ogni tipo di funzione di probabilit e vengono costruite in modo tale che le curve di probabilit della funzione corrispondente vengano rappresentate da delle rette: se il tipo di funzione di distribuzione prescelto adatto ad interpretare le osservazioni, i punti dovranno addensarsi intorno alla retta. Se si ha un set di dati con diversi valori, evidente che per poterli porre in un diagramma delle frequenze cumulate, si dovr calcolare per ognuno di essi la frequenza relativa. Questo tipo di operazione conosciuta come Plotting Position. Esistono vari tipi di distribuzioni che effettuano Plotting Position. La pi classica quella data da: = = 1 =

evidente che questo tipo di Plotting Position assegna frequenza cumulata pari ad 1 all' valore del set di dati. Questo pu non essere corretto, soprattutto quando con l'analisi si intende valutare un valore estremo. Le distribuzioni notevoli pi utilizzate sono quella di Weibull: = = +1

e quella di Hazen:

Vengono di seguito riportate, in carta probabilistica di Gumbel, le osservazioni con la loro distribuzione probabilistica, determinata sperimentalmente mediante la Plotting Position di Weibull e di Hazen e teoricamente mediante il modello della distribuzione di Gumbel. La carta probabilistica di Gumbel presenta in ascissa le portate e in ordinata la variabile ( retta teorica di Gumbel):

0.5

2.DISTRIBUZIONE PROBABILISTICA OSSERVATA E TEORICA IN CARTA DI GUMBEL

11

Il grafico relativo la distribuzione di Gumbel fornisce unidea quantitativa dello scarto tra frequenza cumulata e frequenza in esame, infatti se i dati a disposizione seguono tale distribuzione, la frequenza cumulata si dovr addensare intorno alla retta. Come si pu osservare questo non avviene perch, specie nella parte alta, tende a scartare. Tale rappresentazione per fornisce solo uninformazione grafica e non il valore dello scarto: per avere una quantit numerica si utilizza il probability plot. Il probabilit plot permette di verificare la bont di adattamento in maniera oggettiva attraverso il coefficiente di determinazione lineare ( o indice di bont di adattamento), tanto pi elevato , tanto migliore sar ladattamento: =

Si costruisce un grafico a dispersione con i soli indicatori, disponendo in ordinata le portate e in ascissa la di Gumbel calcolata in funzione delle frequenze (cio si sostituisce la con la frequenza corrispondente e si calcola la ) : = 1 1

= differenza media = portate ordinate = valore medio delle portate = media delle portate probabilit plot = valore medio probabilit plot

= 0,949456698

3.PROBABILITY PLOT

Per effettuare unanalisi pi rigorosa della bont di adattamento si ricorre allapplicazione del Test di asimmetria che permette di verificare una certa ipotesi ovvero di stabilire se la distribuzione di Gumbel NON verificata. Se si dimostra che lipotesi non verificata si accetta la distribuzione di Gumbel, se invece verificata, non si pu comunque stabilire a priori che la Gumbel sia vera. Il test di asimmetria un test statistico quindi non fornisce una certezza ma una certa probabilit. 12

A livello pratico bisogna stabilire se il coefficiente calcolato = 1,696 cade allinterno di un intervallo di confidenza: + quantizzato come la media: = 2 = = 1,14 + = +

In questo modo ci si trova in un intervallo di confidenza del 5%, cio si ammette il 5% di probabilit di commettere un errore. Si accetta quindi che = 0,05 = 5%

Tabella che mette in relazione il valor medio e lo s.q.m. (scarto quadratico medio) del coeff. di asimmetria in funzione della dimensione del campione. Se esempio si considera = 30: 10 0,525 0,626 20 0,740 0,586 30 0,841 0,555

Si considerano i dati dellultima colonna per calcolare: = 2

Calcolato si pu notare che il coefficiente di asimmetria = 1,696 rientra nellintervallo il test verificato Gumbel non falsa. Ora si dovrebbero riuscire a calcolare i tempi di ritorno in funzione di Gumbel. Se il coefficiente di asimmetria non si fosse trovato allinterno dellintervallo calcolato, si sarebbe utilizzata unaltra funzione di probabilit tipo la . Se i dati si discostassero molto dalla retta, probabile che la non si potrebbe utilizzare, quindi si farebbe riferimento ad unaltra distribuzione come la ( legge a doppia componente). Quando vi sono dei valori eccezionali e non comparabili al resto della serie, si potrebbe dire che appartengano a una popolazione diversa. In questo caso si utilizzano due distribuzioni di Gumbel unite (), una prima Gumbel per i valori ordinari e una seconda per quelli eccezionali. La seconda si calcola utilizzando i due valori eccezionali attraverso il metodo di regionalizzazione in unarea omogenea. Si ottengono quindi 2 curve di Gumbel e 4 parametri: i primi due parametri sono quelli di Gumbel e i secondi si riferiscono alla componente straordinaria valida per la parte eccezionale. Attraverso il Test del massimo valore si stabilisce se esistono dei dati eccezionali oppure no; nel caso in esame di hanno 30 anni di dati, ognuno dei quali rappresenta il massimo in un arco temporale di 30 anni (massimo dei massimi). Matematicamente si pu dimostrare che, costruendo la carta probabilistica di Gumbel, la retta rappresenta il massimo in anni: se ogni dato seguisse la retta rappresenterebbe il massimo in un anno. Costruendo il diagramma dove ogni dato il massimo in anni, cio il diagramma della serie costituita da intervalli di 30 anni, se un dato si trova oltre la retta si pu dire che appartiene ad unaltra popolazione, perch superiore alla retta che dovrebbe contenere i massimi dei massimi. La distanza tra le due rette 1 pari a: = = 79,54711828 = .

e stabilire se si trova in questo intervallo.

Se almeno un punto si trova oltre questa retta, la Gumbel non verificata e quindi si dovrebbe utilizzare unaltra funzione di probabilit. Si costruisce unaltra serie data dalla somma tra le portate (ordinate) e la distanza e si dispongono i risultati sullasse dellascisse relative al grafico del Test del massimo valore, mentre sulle ordinate si collocano i valori ( di Gumbel). La retta ottenuta costituisce il massimo in anni. 13

4.TEST DEL MASSIMO VALORE

In questo caso si ottiene una retta ma se cos non fosse, la Gumbel non sarebbe verificata e quindi si dovrebbe far riferimento a qualche altra distribuzione come la . La . . . (Legge di distribuzione dei valori estremi) definita dalla funzione di distribuzione che segue: =

Si procede a calcolare = momento pesato in probabilit: =

, , si calcolano con il metodo dei momenti pesati in probabilit (o pi propriamente in frequenza). = 0 1 0,35 =

= parametro di scala = parametro di locazione = parametro di forma

dove della . . . sono differenti da quelli della distribuzione di Gumbel.

e il coefficiente =

Determinato :

2 2 3 3

si pu calcolare : e il parametro : = +

= 7,859 + 2,955 2 1 + 1 2 1 + 1

14

Si pu quindi definire :

Gumbel: =

Il grafico costituito in ascissa dai tempi di ritorno e in ordinate da : GEV: = + 1

= 5/10/20/30/50/100/200

5.GRAFICO G.E.V.

7.Conclusioni Le analisi riguardanti la stima delle portate di massima piena in un bacino idrografico sono state condotte utilizzando pi di un metodo al fine di ottenere dei risultati confermati da pi tecniche. Il primo sistema utilizzato stato quello della distribuzione di Gumbel in cui, applicando il metodo dei momenti, sono stati calcolati i parametri di tale distribuzione in modo tale da avere un modello teorico in grado di rappresentare adeguatamente gli estremi idrometrici. Lutilizzo poi del probability plot ha permesso di ottenere una stima pi oggettiva dello studio condotto. In seguito per evidenziare la presenza di eventuali dati eccezionali stato applicato il Test del massimo valore alla serie di dati. Come ultimo metodo stato utilizzato la distribuzione G.E.V., usata come approssimazione per modellare i massimi di lunghe (finite) sequenze di variabili aleatorie. Dal confronto tra le metodologie utilizzate, si pu osservare che sono tutte adatte ad interpretare le osservazioni dei dati storici; la carta probabilistica di Gumbel, tuttavia, particolarmente semplice da realizzare, in quanto la Legge di Gumbel pu essere facilmente linearizzata attraverso lespressione: =

Pertanto la legge teorica di Gumbel: =

pu essere rappresentata su carta probabilistica mediante tale retta, una volta stimati i parametri e questo ne giustifica la preferenza rispetto agli altri valori metodi. 15