1180 KB39 KB199920252014Kapelan, ZoranKozelj, DanielNovak, GorazdSteinman, Francištevilka:11letnik:60str. 725-734, SI 137ISSN:0039-2480COBISSID:13772827URN:URN:NBN:SI:doc-CU3H1YA8enZveza strojnih inženirjev in tehnikov Slovenije et al.Strojniški vestnikBayesovo sklepanjecevovodni sistemidiferencirano evolucijsko prilagodljiv Metropolis algoritemhidravlikametoda Monte Carlo z Markovskimi verigamiposplošena funkcija verjetjaumerjanjevodovodni sistemiInvestigating prior parameter distributions in the inverse modelling of water distribution hydraulic models|Inverse modelling concentrates on estimating water distribution system (WDS) model parameters that are not directly measurable, e.g. pipe roughness coefficients, which can, therefore, only be estimated by indirect approaches, i.e. inverse modelling. Estimation of the parameter and predictive uncertainty of WDS models is an essential part of the inverse modelling process. Recently, Markov Chain Monte Carlo (MCMC) simulations have gained in popularity in uncertainty analyses due to their effective and efficient exploration of posterior parameter probability density functions (pdf). A Bayesian framework is used to infer prior parameter information via a likelihood function to plausible ranges of posterior parameter pdf. Improved parameter and predictive uncertainty are achieved through the incorporation of prior pdf of parameter values and the use of a generalized likelihood function. We used three prior information sampling schemes to infer the pipe roughness coefficients of WDS models. A hypothetical case study and a real-world WDS case study were used to illustrate the strengths and weaknesses of a particular selection of a prior information pdf. The results obtained show that the level of parameter identifiability (i.e. sensitivity) is an important property for prior pdf selectionInverzno modeliranje oziroma umerjanje je recipročni proces modeliranja naravnih procesov, ki se osredotoča na ocenjevanje modelnih parametrov, katerih vrednosti niso neposredno merljive in jih je zato treba določiti s posrednim pristopom. Modeliranje vodovodnega sistema (VS) zahteva, da se vzpostavljeni matematični opis realnega sistema in njegove rešitve (tj. modelne napovedi) z zadostno gotovostjo skladajo z dejanskim odzivom delovanja realnega sistema. Izvrednoteni hidravlični koeficienti hrapavosti cevovodov imajo razmeroma veliko negotovost, saj so njihove vrednosti odvisne od tokovnih razmer pri obratovanju in ne od tehnične hrapavosti cevi, takšne negotovosti pa lahko močno vplivajo na modelne napovedi (npr. pretoka, pritiskov ipd.). Ocena negotovosti parametrov in modelnih napovedi je bistveni del procesa modeliranja, s katerim se zagotovi zaupanje v rezultate modeliranja. Za analize je uporabljeno Bayesovo sklepanje, pri katerem so parametri podani kot verjetnostne spremenljivke z ustreznimi funkcijami gostote verjetnosti (pdf). Pristop Bayesovega sklepanja ima nekaj prednosti v primerjavi z običajnimi metodami umerjanja VS: uporablja verjetnostno opredelitev predhodnih informacij o vrednostih parametrov, omogoča pridobitev skupne in robnih posteriornih pdf ter ne zahteva numeričnega izračuna odvodov funkcijTEXTznanstveno časopisjejournalsSlovenian National E-content AggregatorNational and University Library of SloveniaUniverza v Ljubljani, Fakulteta za strojništvo