Hidrológiai Közlöny, 2019 (99. évfolyam)
2019 / 4. szám
30 Hidrológiai Közlöny 2019. 99. évf. 4. sz. Jól látszik, hogy a két-fiiggvényes közelítésnél a nagyobb r-értékek relatív gyakorisága (előfordulása) kisebb, mint az egy db függvény alkalmazása esetén. (r = 1,2-2,46 között a zöld oszlopok kisebbek, mint a barna oszlopok.) Tehát a két függvénnyel való számítás a ’nagyvizes’ tartományokban (Q > 3500 m3/s), kisebb hibával közelíti a hordaléktöménységet, mint amikor egy db függvénnyel jellemezük a telje hozam tartományt. Az ábra azt is szemlélteti, hogy a különböző számítási módszereknél egy számításon belül hogyan oszlik meg r = G,,SZáJG,,mén relatív hiba. Az esetleg megegyező átlagos r paraméterek mellet nagyon különböző egy számításon belül az r eloszlása, relatív gyakorisága. Az ANN számítások eredményeinek egy részét (egy modell-tanítás) eredményét is mutatja a hisztogram (HauQHAB-Ck és HauQHAB-Ck jelű oszlopok). 3. ábra. DimRy-módszernél CV, mért és Cv, szám Figure 3. For the DimRy method, Cv, measured and Cv, number 4. ábra. Különböző módszerrel számított hordalékhozam vagy töménység r értékeinek eloszlása Figure 4. Distribution of r values of sediment yield or concentration calculated by different methods EGY ÉS KÉT G,(Q) FÜGGVÉNYKAPCSOLATTAL VALÓ KÖZELÍTÉS Az adat-előkészítés fejezetben az adatok szűrésére már alkalmaztuk a Gi(Q) kapcsolatot. Ebben a fejezetben azt nézzük meg, hogy e függvénykapcsolat előrejelzésre alkalmazása esetén - az előbb bemutatott módszerek eredményeinek értékeléséhez használt - mutatók hogyan alakulnak. A 2. és 3. ábrán láthattuk, hogy a ’nagyvizes ’ tartományokban általában a számításaink alábecsülnek, ezért megvizsgáltuk azt az esetet, amikor a teljes vízhozam tartományt két legjobban illeszkedő Gr(Q) függvénnyel közelítjük. A Q-G, grafikus ábráját tekintve, majd próbálgatás után Q = 1030-3100 m3/s tartományban G,= 6,958- lO^-g2 074 (kg/s) hatványfüggvény, a Q = 3110-8480 m3/s tartományban G,= 0,232 Q - 584,6 (kg/s) lineáris regressziós függvény illeszkedése volt a legjobb (5. ábra, //’=(), 72 5 és R2=0,861). Az ábrán a Q = 1030-3100 m3/s tartományra illesztett trendvonal gyakorlatilag megegyezik a teljes tartományt egyként kezelő „Hatvány Gt,egybe, kg/s” jelű függvény e szakaszára simuló kék színű vonallal - az ábrán ebben a tartományban elkülöníthetetlenek a vonalak. A teljes adathalmazra az egy- (e l, rG,(Q)_l) és két-függvényes (e_2, rG,(Q)_2) közelítések illeszkedését mutató e és r paramétereket a 3. táblázatban adtuk meg. 3. táblázat. Számított paraméterek egy és két Gt(Q) függvényközelítésnél Table 3. Calculated parameters for one and two Gi (Q) function ____________________approximations____________________ ízt,mért kg/s el kg/s ej kg/s rG,(Q)J rG,(Q)J maximum 1 340 991 219 2,82 2,86 minimum 8,32-1 321-484 0,31 0,31 átlag 110-14,2 1,06 1,08 1,12 szórás 195 223 62,8 0,44 0,45 átlagos eltérés 94,7 105 28,9 0,33 0,34 Az eredményeket összehasonlítva a mesterséges neurális háló alkalmazásával kapott eredményekkel, egy lényeges következtetés vonható le: G,(Q) függvény nem ad (nem adhat) negatív hordalék-tömegáramot. A másik, nem elhanyagolható előnye, hogy egy konkrét Q input esetén az előrejelzett, becsült eredmény (G,) mindig ugyanaz, akárhányszor végezve el a számítást. Persze tudjuk azt, hogy a természetben egy konkrét Q-hoz különböző G, tartozhat, de az lényeges, hogy ezt a természetben előforduló hatások változása és nem a modell véletlen generálása okozza. Ha az egy- és a két-függvény-kapcsolattal való közelítés paramétereit összehasonlítjuk meglepő, hogy alig van különbség a paraméterek között (4. táblázat rG,(Q)_l és rG,(Q)_2 oszlopok). Ez már a DimRy_1 és DimRy_2
