Back to search

National and Kapodistrian University of Athens

«Φυσικοί κίνδυνοι: Η χρήση data mining σε συστήματα έγκαιρης προειδοποίησης για την πρόβλεψη πλημμυρών. Ένα παράδειγμα από την Πολιτεία της Νέας Υόρκης»

Abstract

dc:description

Πλημμύρες συμβαίνουν συνήθως κατά τη διάρκεια περιόδων με υπερβολική βροχόπτωση ή τήξη πάγου κατά τη χειμερινή περίοδο και μπορεί να επιφέρουν τεράστιες επιπτώσεις. Αυτές μπορεί είναι είτε οικονομικές – υλικές (όπως απώλεια περιουσίας, καταστροφές σε δημόσια περιουσία), είτε άυλες (όπως τραυματισμοί, απώλεια ζωής). Η πρόβλεψη τους λοιπόν είναι αναγκαία, αλλά αποτελεί και πρόκληση. Ωστόσο, υπάρχουν ενδείξεις. Οι πλημμύρες συνήθως συνοδεύονται από μια αύξηση στην απορροή του νερού του ποταμού. Το μοντέλο των Tsakiri et al., 2014, που χρησιμοποιείται στην παρούσα εργασία, είναι ικανό να προβλέψει την αύξηση αυτή σε μεγάλο ποσοστό. Υπάρχουν πολλά διαθέσιμα δεδομένα προς διαχείριση, από διάφορους φορείς, που μπορούν να χρησιμοποιηθούν από το μοντέλο αυτό. Ωστόσο, τα δεδομένα αυτά έχουν τεράστιο όγκο και γι’ αυτό οι περισσότεροι επιστήμονες περιορίζονται σε μελέτες περίπτωσης. Την λύση έρχεται να δώσει το data mining. Τα λογισμικά data mining μπορούν να διαχειριστούν αυτόν τον όγκο και μάλιστα να λειτουργούν σε πραγματικό χρόνο. Η εισαγωγή δεδομένων και η εξαγωγή συμπερασμάτων σε πραγματικό χρόνο, μας δίνει την δυνατότητα να εξετάσουμε το ενδεχόμενο της χρήσης τους σε συστήματα έγκαιρης προειδοποίησης για την πρόβλεψη πλημμύρων. Το Knime, που χρησιμοποιείται στην παρούσα εργασία, αποτελεί ένα καλό παράδειγμα τέτοιου λογισμικού. Παρουσιάζεται, λοιπόν, μια ροη εργασίας που χρησιμοποιεί ένα στατιστικό μοντέλο για την πρόβλεψη και την εξήγηση των χρονοσειρών της απορροής του νερού και μπορεί να χρησιμοποιηθεί σε πραγματικό χρόνο, χρησιμοποιώντας ένα παράδειγμα από την Νέα Υόρκη. Το μοντέλο, για την πρόβλεψη της απορροής του νερού, κάνει αποσύνθεση των χρονοσειρών των υδρολογικών και κλιματικών μεταβλητών σε εποχιακές, μακροπρόθεσμες και βραχυπρόθεσμες συνιστώσες. Επίσης, αναλύει την απορροή του νερού χρησιμοποιώντας ένα θερινό και ένα χειμερινό μοντέλο. Με αυτόν τον τρόπο βελτιώνεται η εξήγηση της απορροής του νερού έως και 81%. Το μοντέλο δείχνει ότι όσο αυξάνεται η απορροή του νερού, μακροπρόθεσμα ο υδροφόρος ορίζοντας αναπληρώνεται ενώ, εποχιακά εξαντλείται. Βραχυπρόθεσμα, το επίπεδο των υπόγειων υδάτων πέφτει κατά τη διάρκεια της χειμερινής περιόδου και αυξάνεται κατά τη θερινή περίοδο.

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Καβαλιέρος Αντώνιος

Rights

Language dc:language
Ελληνικά, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:1321504

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
related terms
citation

Καβαλιέρος Αντώνιος. «Φυσικοί κίνδυνοι: Η χρήση data mining σε συστήματα έγκαιρης προειδοποίησης για την πρόβλεψη πλημμυρών. Ένα παράδειγμα από την Πολιτεία της Νέας Υόρκης». 2016. https://pergamos.lib.uoa.gr/uoa/dl/object/1321504