Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Bayazit, M.
Documents disponibles écrits par cet auteur
Affiner la rechercheGEV-PWM Model for Distribution of Minimum Flows / Önöz, B. in Journal of hydrologic engineering, Vol. 4, N° 3 (Juillet 1999)
in Journal of hydrologic engineering > Vol. 4, N° 3 (Juillet 1999) . - 289-292 p.
Titre : GEV-PWM Model for Distribution of Minimum Flows Titre original : Modèle de GEV-PWM pour la Distribution des Ecoulements Minimum Type de document : texte imprimé Auteurs : Önöz, B., Auteur ; Bayazit, M., Auteur Article en page(s) : 289-292 p. Note générale : Hydrologie, Hydraulique Langues : Anglais (eng) Mots-clés : Equations Probabilité PWMs GEV-PWM Valeur Bases de données Jets Modéles Coefficient Terrain Corrélation Lognormal Paramètre Evaluations Ecoulement Stations Eau Hydrologie Hydraulique Index. décimale : 551.4/620 Résumé : Equations for the probability weighted moments (PWMs) of the generalized extreme value (GEV) distribution for minima are derived. The GEV-PWM model and five other models are fitted to the low data of 16 streams. The Suitability of the models is cheked by the probability plot correlation coefficient test. Weibull distribution fits the data better than lognormal GEV-PWM has the best performance among the three-parameter models, but it frequently leads to infeasible lower bounds. The 10-year minimum flow estimates based on various models are determined. In the majority of cases (11 stations), differences between the largest and the smallest estimates are <20%. However, in a few cases, rather large differences (71%) are found. The Estimates from the GEV-PWM and W3-MSO models are usually either the largest or smallest at a station.
Des équations pour la probabilité pesée des moments (PWMs) de la distribution extrême généralisée de la valeur (GEV) pour des minimum sont dérivées. Le modèle de GEV-PWM et cinq autres modèles sont adaptés aux bases données de 16 jets. La convenance des modèles est cheked par l'essai de coefficient de corrélation de parcelle de terrain de probabilité. La distribution de Weibull adapte les données mieux GEV-PWM que lognormal a la meilleure exécution parmi les modèles de trois-paramètre, mais il mène fréquemment aux limites inférieures infaisables. Les évaluations minimum de dix ans d'écoulement basées sur de divers modèles sont déterminées. Dans la majorité de cas (11 stations), les différences entre les plus grandes et plus petites évaluations sont Equations for the probability weighted moments (PWMs) of the generalized extreme value (GEV) distribution for minima are derived. The GEV-PWM model and five other models are fitted to the low data of 16 streams. The Suitability of the models is cheked by the probability plot correlation coefficient test. Weibull distribution fits the data better than lognormal GEV-PWM has the best performance among the three-parameter models, but it frequently leads to infeasible lower bounds. The 10-year minimum flow estimates based on various models are determined. In the majority of cases (11 stations), differences between the largest and the smallest estimates are <20%. However, in a few cases, rather large differences (71%) are found. The Estimates from the GEV-PWM and W3-MSO models are usually either the largest or smallest at a station.
Des équations pour la probabilité pesée des moments (PWMs) de la distribution extrême généralisée de la valeur (GEV) pour des minimum sont dérivées. Le modèle de GEV-PWM et cinq autres modèles sont adaptés aux basses données de 16 jets. La convenance des modèles est cheked par l'essai de coefficient de corrélation de parcelle de terrain de probabilité. La distribution de Weibull adapte les données mieux GEV-PWM que lognormal a la meilleure exécution parmi les modèles de trois-paramètre, mais il mène fréquemment aux limites inférieures infaisables. Les évaluations minimum de dix ans d'écoulement basées sur de divers modèles sont déterminées. Dans la majorité de cas (11 stations), les différences entre les plus grandes et plus petites évaluations sont<20% à 71%.
[article] GEV-PWM Model for Distribution of Minimum Flows = Modèle de GEV-PWM pour la Distribution des Ecoulements Minimum [texte imprimé] / Önöz, B., Auteur ; Bayazit, M., Auteur . - 289-292 p.
Hydrologie, Hydraulique
Langues : Anglais (eng)
in Journal of hydrologic engineering > Vol. 4, N° 3 (Juillet 1999) . - 289-292 p.
Mots-clés : Equations Probabilité PWMs GEV-PWM Valeur Bases de données Jets Modéles Coefficient Terrain Corrélation Lognormal Paramètre Evaluations Ecoulement Stations Eau Hydrologie Hydraulique Index. décimale : 551.4/620 Résumé : Equations for the probability weighted moments (PWMs) of the generalized extreme value (GEV) distribution for minima are derived. The GEV-PWM model and five other models are fitted to the low data of 16 streams. The Suitability of the models is cheked by the probability plot correlation coefficient test. Weibull distribution fits the data better than lognormal GEV-PWM has the best performance among the three-parameter models, but it frequently leads to infeasible lower bounds. The 10-year minimum flow estimates based on various models are determined. In the majority of cases (11 stations), differences between the largest and the smallest estimates are <20%. However, in a few cases, rather large differences (71%) are found. The Estimates from the GEV-PWM and W3-MSO models are usually either the largest or smallest at a station.
Des équations pour la probabilité pesée des moments (PWMs) de la distribution extrême généralisée de la valeur (GEV) pour des minimum sont dérivées. Le modèle de GEV-PWM et cinq autres modèles sont adaptés aux bases données de 16 jets. La convenance des modèles est cheked par l'essai de coefficient de corrélation de parcelle de terrain de probabilité. La distribution de Weibull adapte les données mieux GEV-PWM que lognormal a la meilleure exécution parmi les modèles de trois-paramètre, mais il mène fréquemment aux limites inférieures infaisables. Les évaluations minimum de dix ans d'écoulement basées sur de divers modèles sont déterminées. Dans la majorité de cas (11 stations), les différences entre les plus grandes et plus petites évaluations sont Equations for the probability weighted moments (PWMs) of the generalized extreme value (GEV) distribution for minima are derived. The GEV-PWM model and five other models are fitted to the low data of 16 streams. The Suitability of the models is cheked by the probability plot correlation coefficient test. Weibull distribution fits the data better than lognormal GEV-PWM has the best performance among the three-parameter models, but it frequently leads to infeasible lower bounds. The 10-year minimum flow estimates based on various models are determined. In the majority of cases (11 stations), differences between the largest and the smallest estimates are <20%. However, in a few cases, rather large differences (71%) are found. The Estimates from the GEV-PWM and W3-MSO models are usually either the largest or smallest at a station.
Des équations pour la probabilité pesée des moments (PWMs) de la distribution extrême généralisée de la valeur (GEV) pour des minimum sont dérivées. Le modèle de GEV-PWM et cinq autres modèles sont adaptés aux basses données de 16 jets. La convenance des modèles est cheked par l'essai de coefficient de corrélation de parcelle de terrain de probabilité. La distribution de Weibull adapte les données mieux GEV-PWM que lognormal a la meilleure exécution parmi les modèles de trois-paramètre, mais il mène fréquemment aux limites inférieures infaisables. Les évaluations minimum de dix ans d'écoulement basées sur de divers modèles sont déterminées. Dans la majorité de cas (11 stations), les différences entre les plus grandes et plus petites évaluations sont<20% à 71%.
in Journal of hydrologic engineering > Vol. 6, N° 5 (Septembre /Octobre 2001) . - 429-435 p.
Titre : Power Distribution for Low Streamflow Titre original : Distribution d'Energie pour le Bas Ecoulement de Jet Type de document : texte imprimé Auteurs : Önöz, B., Auteur ; Bayazit, M., Auteur Article en page(s) : 429-435 p. Note générale : Hydrologie, Hydraulique Langues : Anglais (eng) Mots-clés : Distribution d'énergie Distribution de Weibull Fonction Ecoulement Jet Courbe de récession Probabilité de longueur LL-moments Analyses de données Turquie Royaume Uni Coefficient Corrélation Terrain Paramètres Index. décimale : 551.4/620 Résumé : The Power distribution is a special case of the Weibull distribution. It can be derived as the distribution function of the low flows of a stream, when the recession curve is assumed to be exponential, using a theoretical result for the probabilities of maximum dry period lengths. The Power distributions, such as the Weibull a better fit to the minimum flows of some streams than other two-parameter distributions, such as the Weibull and lognormal. In many streams, the distribution of the smaller low flows is different from that of the remaining data. This Part can be fitted by a power distribution function whose parameters are estimated by LL-moments, which are L-moments computed with greater weights for smaller observations. Plotting positions and LL-moments are derived for the power distribution and are applied to data from nine sites. Analyses of data from a number of streams in Turkey and the United Kingdom have shown that the probability plot correlation coefficient test accepts the goodness of fit at very high significance levels when parameters are estimated using LL-moments.
La distribution d'énergie est un cas spécial de la distribution de Weibull. Elle peut être dérivée comme fonction de distribution des bas écoulements d'un jet, quand on assume que la courbe de récession est exponentielle, en utilisant un résultat théorique pour les probabilités des longueurs de période sèches maximum. Les distributions d'énergie, telles que le Weibull un meilleur ajustement aux écoulements minimum de quelques jets que d'autres distributions de deux-paramètre, telles que le Weibull et lognormal. Dans beaucoup de jets, la distribution des bas écoulements plus petits est différente de celle des données restantes. La présente partie peut être adaptée par une fonction de distribution d'énergie dont les paramètres sont estimés par les LL-moments, qui sont des L-moments calculés avec de plus grands poids pour de plus petites observations. Traçant des positions et des LL-moments sont dérivés pour la distribution d'énergie et sont appliqués aux données à partir de neuf emplacements. Les analyses des données d'un certain nombre de jets en Turquie et au Royaume-Uni ont prouvé que l'essai de coefficient de corrélation de parcelle de terrain de probabilité accepte la qualité de l'ajustement aux niveaux très élevés de signification quand des paramètres sont estimés en utilisant des LL-moments.[article] Power Distribution for Low Streamflow = Distribution d'Energie pour le Bas Ecoulement de Jet [texte imprimé] / Önöz, B., Auteur ; Bayazit, M., Auteur . - 429-435 p.
Hydrologie, Hydraulique
Langues : Anglais (eng)
in Journal of hydrologic engineering > Vol. 6, N° 5 (Septembre /Octobre 2001) . - 429-435 p.
Mots-clés : Distribution d'énergie Distribution de Weibull Fonction Ecoulement Jet Courbe de récession Probabilité de longueur LL-moments Analyses de données Turquie Royaume Uni Coefficient Corrélation Terrain Paramètres Index. décimale : 551.4/620 Résumé : The Power distribution is a special case of the Weibull distribution. It can be derived as the distribution function of the low flows of a stream, when the recession curve is assumed to be exponential, using a theoretical result for the probabilities of maximum dry period lengths. The Power distributions, such as the Weibull a better fit to the minimum flows of some streams than other two-parameter distributions, such as the Weibull and lognormal. In many streams, the distribution of the smaller low flows is different from that of the remaining data. This Part can be fitted by a power distribution function whose parameters are estimated by LL-moments, which are L-moments computed with greater weights for smaller observations. Plotting positions and LL-moments are derived for the power distribution and are applied to data from nine sites. Analyses of data from a number of streams in Turkey and the United Kingdom have shown that the probability plot correlation coefficient test accepts the goodness of fit at very high significance levels when parameters are estimated using LL-moments.
La distribution d'énergie est un cas spécial de la distribution de Weibull. Elle peut être dérivée comme fonction de distribution des bas écoulements d'un jet, quand on assume que la courbe de récession est exponentielle, en utilisant un résultat théorique pour les probabilités des longueurs de période sèches maximum. Les distributions d'énergie, telles que le Weibull un meilleur ajustement aux écoulements minimum de quelques jets que d'autres distributions de deux-paramètre, telles que le Weibull et lognormal. Dans beaucoup de jets, la distribution des bas écoulements plus petits est différente de celle des données restantes. La présente partie peut être adaptée par une fonction de distribution d'énergie dont les paramètres sont estimés par les LL-moments, qui sont des L-moments calculés avec de plus grands poids pour de plus petites observations. Traçant des positions et des LL-moments sont dérivés pour la distribution d'énergie et sont appliqués aux données à partir de neuf emplacements. Les analyses des données d'un certain nombre de jets en Turquie et au Royaume-Uni ont prouvé que l'essai de coefficient de corrélation de parcelle de terrain de probabilité accepte la qualité de l'ajustement aux niveaux très élevés de signification quand des paramètres sont estimés en utilisant des LL-moments.
