• 2024 m. liepos 25 d., tobulindami tinklavietės tipografiją, naujinome šriftų šeimą „Georgia“ į „Georgia Pro“. Raginame pasitikrinti, ar jūsų kompiuteryje ir kituose e. įrenginiuose, kuriuose skaitote @eitį, yra įdiegta šriftų šeima „Georgia Pro“, o jei ne, įsidiegti. Tinklavietėje skaitydami informaciją, matysite dailesnius ir tikslesnius šriftus. Išsamiau apie numatytąją tinklavietės tipografiją žr. Žinynas > Technologija.

Straipsnis Baltijos jūros priekrantės ties Klaipėda bangų aukščių ir vėjo greičių tikimybinių skirstinių analizė

Remiantis \( \chi^{2} \) kriterijaus testu, Baltijos jūros priekrantės ties Klaipėda maksimalių metinių vėjo greičių pasiskirstymą atitinkantys skirstiniai yra GEV, Veibulo, logaritminis normalusis ir gama (9 lentelė).

9 lentelė. Baltijos jūros priekrantės ties Klaipėda maksimalių metinių vėjo greičių pasiskirstymą atitinkantys tikimybiniai skirstiniai
Skirstiniai \( \chi^{2} \) statistikos reikšmėLaisvės laipsnių skaičiusp reikšmėBIC kriterijusAIC kriterijus
Apibendrintųjų ekstreminių reikšmių (GEV)9,6750,08300,17294,43
Veibulo9,0460,17301,79297,96
Logaritminis normalusis9,7660,14296,43292,61
Gama8,3260,22296,30292,47

Tinkamiausią tikimybinį skirstinį maksimaliems metiniams vėjo greičiams, kaip ir vidutiniams metiniams, BIC ir AIC kriterijai nurodo tokį patį. Tai gama skirstinys (8 pav.).

 
8 pav. Baltijos jūros priekrantės ties Klaipėdos maksimalių metinių vėjo greičių pasiskirstymas pagal gama skirstinį
8 pav. Baltijos jūros priekrantės ties Klaipėdos maksimalių metinių vėjo greičių pasiskirstymas pagal gama skirstinį

Pagal šį skirstinį apskaičiuojami maksimalūs vėjo greičiai Baltijos jūros priekrantėje ties Klaipėda priklausomai nuo tikimybės ir pasikartojimo (10 lentelė).

10 lentelė. Vėjo greičiai Baltijos jūros priekrantėje ties Klaipėda pagal gama skirstinį
Metų charakteristikaTikimybė P %Pasikartojimas T metaisVidutinis vėjo greitis, m s−1Maksimalus vėjo greitis, m s−1
Labai vėjuoti11006,6235,0
Vėjuoti5206,1131,0
Vidutiniškai vėjuoti2545,4426,0
Medianiniai5025,0023,0
Vidutiniškai nevėjuoti7544,5920,0
Nevėjuoti95204,0316,0
Visiškai nevėjuoti991003,6714,0
 

Išvados

1.Vidutiniai ir maksimalūs bangų aukščiai Baltijos jūros priekrantėje ties Klaipėda priklausomai nuo tikimybės ir pasikartojimo apskaičiuoti naudojant dvi skirtingas programines įrangas ir bangų aukščių analizei tinkamus – logaritminį normalųjį ir Reilėjaus – tikimybinius skirstinius yra itin panašūs. Tad skaičiuojant įvairių tikimybių vidutines ir maksimalias metines bangas naudotini abu šie skirstiniai.

2. Vidutiniams ir maksimaliems vėjo greičiams skaičiuoti priklausomai nuo tikimybės ir pasikartojimo yra naudotinas gama tikimybinis skirstinys.

3. 50 % tikimybės vidutinis metinis bangų aukštis Baltijos jūros priekrantėje ties Klaipėda, apskaičiuotas pagal logaritminį normalųjį tikimybinį skirstinį, yra 0,67 m, pagal Reilėjaus tikimybinį skirstinį – 0,66 m. 50 % tikimybės maksimalus metinis bangų aukštis, apskaičiuotas pagal abu tikimybinius skirstinius, yra vienodas ir lygus 3,9 m.

4. 50 % tikimybės vidutinis metinis vėjo greitis Baltijos jūros priekrantėje ties Klaipėda, apskaičiuotas pagal gama tikimybinį skirstinį, yra 5 m s−1. 50 % tikimybės maksimalus metinis greitis, apskaičiuotas pagal gama tikimybinį skirstinį, yra 23 m s−1.

 

Literatūra

  • Akaike, Hirotugu, “A New Look at the Statistical Model Identification,” IEEE Transactions on Automatic Control, 1974, vol. AC-19, no. 6, pp. 716–723.
  • Bilyay, Engin; Berguzar Oztunali Ozbahceci, Ahmet Cevdet Yalciner, “Extreme Waves at Filyos, Southern Black Sea,” Natural Hazards and Earth System Sciences, 2011, vol. 11, no. 3, pp. 659–666.
  • Calverley, Mark J.; Diána Rita Szabó, Vincent J. Cardone, Elizabeth A. Orelup, Michael James Parsons, “Wave Climate Study of the Caribbean Sea” | Preprints of the 7th International Workshop on Wave Hindcasting and Forecasting, Alberta, Canada, 2002.
  • Chini, Nicolas; Peter Stansby, James Leake, Judith Wolf, Jonah Robert-Jones, Jason Lowe, “The Impact of Sea Level Rise and Climate Change on Inshore Wave Climate: A Case Study for East Anglia,” Coastal Engineering, 2010, vol. 57 (11–12), pp. 973–984.
  • Gailiušis, Brunonas; Jūratė Kriaučiūnienė, Milda Kovalenkovienė, „Baltijos jūros priekrantės hidrodinaminis modeliavimas“, Aplinkos tyrimai, inžinerija ir vadyba, 2002, t. 3, nr. 21, p. 3–12.
  • Gailiušis, Brunonas; Milda Kovalenkovienė, Jūratė Kriaučiūnienė, „Svarbiausios šiandieninės Lietuvos hidrologinių tyrimų kryptys“, Energetika, 2006, nr. 3, p. 43–50.
  • Kalniņš, Līvs; Ansis Avotiņš, Jānis Greivulis, “Wave Energy Conversion Potential of the Baltic Sea,” Power and Electrical Engineering, 2008, vol. 23, pp. 213–219.
  • Kasiulis, Egidijus, “Statistical Analysis of the Baltic Sea Wave Height Data for Evaluating Energy Potential” | Proceedings of the 8th Annual International Conference of Young Scientists on Energy Issues, Kaunas, 2011.
  • Kelpšaitė, Loreta; Heiko Herrmann, Tarmo Soomere, “Wave Regime Differences along the Eastern Coast of the Baltic Proper,” Oceanography, 2008, vol. 57, no. 4, pp. 225–231.
  • Kriaučiūnienė, Jūratė; Brunonas Gailiušis, Milda Kovalenkovienė, “Peculiarities of Sea Wave Propagation in the Klaipėda Strait, Lithuania,” Baltica, 2006, vol. 19, pp. 20–29.
  • Longuet-Higgins, Michael Selwyn, “On the Statistical Distribution of the Heights of Sea Waves,” Journal of Marine Research, 1952, vol. 11, no. 3, pp. 245–266.
  • Mai, Stephan; Jens Wilhelmi, Ulrich Barjenbruch, “Wave Height Distributions in Shallow Waters” | Proceedings of the International Conference of Coastal Engineering, Shanghai, China, 2010.
  • Muraleedharan, G.; N. Unnikrishnan Nair, P. G. Kurup, Long-Term Wave Characteristics off Trivandrum,” Mahasagar, 1990, vol. 23, no. 1, pp. 1–12.
  • NIST/SEMATECH, e-Handbook of Statistical Methods, 2012.
  • Pruszak, Zbigniew; Piotr Szmytkiewicz, Rafał Ostrowski, Marek Skaja, Marek Szmytkiewicz, “Shallow-Water Wave Energy Dissipation in a Multi-Bar Coastal Zone,” Oceanologia, 2008, vol. 50, no. 1, pp. 43–58.
  • Räämet, Andrus; Tarmo Soomere, “The Wave Climate and Its Seasonal Variability in the Northeastern Baltic Sea,” Estonian Journal of Earth Sciences, 2010, vol. 59, no. 1, pp. 100–113.
  • Rice, Stephen Oswald, “Mathematical Analysis of Random Noise,” Bell System Technical Journal, 1944, vol. 23, no. 3, pp. 282–332.
  • Thornton, Edward B.; R. T. Guza, “Transformation of Wave Height Distribution,” Journal of Geophysical Research, 1983, vol. 88, no. C10, pp. 5925–5938.
  • Wolfram MathWorld, 2012.
  • World Meteorological Organization, Guide to Hydrological Practices, Vol. II: Management of Water Resources and Application of Hydrological Practices, Geneva: Secretariat of World Meteorological Organization, 2009.
  • World Meteorological Organization, Guide to Wave Analysis and Forecasting, Geneva: Secretariat of World Meteorological Organization, 1998.
 

An Analysis of the Probability Distributions of Wave Heights and Wind Speeds by the Klaipėda Coast

  • Bibliographic Description: Egidijus Kasiulis, Petras Punys, „Baltijos jūros priekrantės ties Klaipėda bangų aukščių ir vėjo greičių tikimybinių skirstinių analizė“, @eitis (lt), 2019, t. 1 230, ISSN 2424-421X.
  • Previous Edition: Egidijus Kasiulis, Petras Punys, „Baltijos jūros priekrantės ties Klaipėda bangų aukščių ir vėjo greičių tikimybinių skirstinių analizė“, Vandens ūkio inžinerija, 2012, t. 41 (61), p. 37–45, ISSN 1392-2335.
  • Institutional Affiliation: Aleksandro Stulginskio universiteto Vandens ūkio ir žemėtvarkos fakulteto Vandens išteklių inžinerijos institutas.

Summary. This article looks at the Baltic Sea waves from energetic point of view. Though studies of marine (hydrokinetic) energy resources in the world are not new, in Lithuania they are taking the first steps. Statistical analysis of multi-year visual observations data from the Lithuanian coast is carried out for the first time. To calculate the electricity production capacity of wave energy plant, average and maximum wave heights of various probabilities are needed. Average wave heights are also necessary for energetic calculations, whereas maximum ones – for design of resistant wave energy converters that could withstand severe marine conditions. The majority of the waves that reach Klaipėda coast are generated by wind, therefore, knowledge of multi-year average and maximum wind speeds is advisable. The objective of this article is to test the probability distributions of wave heights and wind speeds and to obtain best fitting in the Lithuanian seashore conditions. The most suitable probability distributions are used to calculate wave heights and wind speeds depending on probability and return period. Logarithmic and Rayleigh probability distributions are the best for the analysis of average and maximum wave heights, gama probability distribution – for average and maximum wind speeds.

Keywords: probability distributions, wave height, wind speed, Baltic Sea.

 
Grįžti
Viršutinė Apatinė