Site-specific probabilistic forecast for avalanches
Formålet med denne avhandlingen er å etablere og validere en statistisk metode for stedsspesifikk probabilistisk varsling for snøskred. En probabilistisk varsling er en varsling som kombinerer prediksjoner og usikkerheten til prediksjonene til et varsel. Å kunne kvantifisere usikkerheten i prediksjo...
Main Author: | |
---|---|
Other Authors: | |
Format: | Master Thesis |
Language: | English |
Published: |
NTNU
2024
|
Subjects: | |
Online Access: | https://hdl.handle.net/11250/3151285 |
id |
ftntnutrondheimi:oai:ntnuopen.ntnu.no:11250/3151285 |
---|---|
record_format |
openpolar |
spelling |
ftntnutrondheimi:oai:ntnuopen.ntnu.no:11250/3151285 2024-09-30T14:38:59+00:00 Site-specific probabilistic forecast for avalanches Sigbjørnsen, Benjamin Steinsland, Ingelin 2024 application/pdf https://hdl.handle.net/11250/3151285 eng eng NTNU no.ntnu:inspera:187809203:129558464 https://hdl.handle.net/11250/3151285 Master thesis 2024 ftntnutrondheimi 2024-09-12T23:36:48Z Formålet med denne avhandlingen er å etablere og validere en statistisk metode for stedsspesifikk probabilistisk varsling for snøskred. En probabilistisk varsling er en varsling som kombinerer prediksjoner og usikkerheten til prediksjonene til et varsel. Å kunne kvantifisere usikkerheten i prediksjonene er viktig for lokal skredvarsling. Et snøskred som treffer en åpen vei kan sette folks liv i fare. En stengt vei vil gi økonomiske kostnader og påvirke de som er avhengige av veien. Snøskredvarsling i Norge i dag er et manuelt utstedt varsel av faregrad. Varselet er laget av en ekspert basert på observasjoner av snøkvaliteten, værobservasjoner, værvarsel og mer. Det har tidligere blitt gjort forsøk på å automatisere skredvarsler. Tidligere forskning har indikert at ulike maskinlæringsalgoritmer kan brukes til å varsle snøskred. Denne avhandlingen foreslår og validerer ulike statistiske og maskinlæringsmetoder for en case-studie. Case-studien som er valgt, er to vintersesonger fra den skredutsatte veistrekningen Holmbuktura i Troms fylke i Nord-Norge. Holmbuktura er valgt siden det brukes en radar til å detektere snøskred ved å se på termisk aktivitet. Radaren har flere år med deteksjonsdata på skredutløsninger i flere skredløp. Værvarsler og værobservasjoner tilgjengelig dagen før varslingen brukes som forklaringsvariabler. I tillegg inkluderes daglige skreddeteksjoner fra satellitter i et nærliggende område. Målet er å etablere metoder for probabilistisk varsel av daglige skredantall basert på disse forklaringsvariablene. De foreslåtte og utforskede metodene er ulike typer generaliserte lineære modeller, trebaserte metoder og nærmeste nabo-metoden. Ensemblemetoder som kombinerer ulike varsler undersøkes også. For å validere de foreslåtte metodene beregnes mean continuous ranked probability score and root mean squared error basert på kryssvalidering. I tillegg gjøres en visuell inspeksjon basert på PIT-diagrammer. Modellene sammenlignes også med to baselinemodeller; (1) En generalisert lineær modell med faregrad ... Master Thesis Nord-Norge Troms NTNU Open Archive (Norwegian University of Science and Technology) Troms Fylke ENVELOPE(19.515,19.515,69.266,69.266) |
institution |
Open Polar |
collection |
NTNU Open Archive (Norwegian University of Science and Technology) |
op_collection_id |
ftntnutrondheimi |
language |
English |
description |
Formålet med denne avhandlingen er å etablere og validere en statistisk metode for stedsspesifikk probabilistisk varsling for snøskred. En probabilistisk varsling er en varsling som kombinerer prediksjoner og usikkerheten til prediksjonene til et varsel. Å kunne kvantifisere usikkerheten i prediksjonene er viktig for lokal skredvarsling. Et snøskred som treffer en åpen vei kan sette folks liv i fare. En stengt vei vil gi økonomiske kostnader og påvirke de som er avhengige av veien. Snøskredvarsling i Norge i dag er et manuelt utstedt varsel av faregrad. Varselet er laget av en ekspert basert på observasjoner av snøkvaliteten, værobservasjoner, værvarsel og mer. Det har tidligere blitt gjort forsøk på å automatisere skredvarsler. Tidligere forskning har indikert at ulike maskinlæringsalgoritmer kan brukes til å varsle snøskred. Denne avhandlingen foreslår og validerer ulike statistiske og maskinlæringsmetoder for en case-studie. Case-studien som er valgt, er to vintersesonger fra den skredutsatte veistrekningen Holmbuktura i Troms fylke i Nord-Norge. Holmbuktura er valgt siden det brukes en radar til å detektere snøskred ved å se på termisk aktivitet. Radaren har flere år med deteksjonsdata på skredutløsninger i flere skredløp. Værvarsler og værobservasjoner tilgjengelig dagen før varslingen brukes som forklaringsvariabler. I tillegg inkluderes daglige skreddeteksjoner fra satellitter i et nærliggende område. Målet er å etablere metoder for probabilistisk varsel av daglige skredantall basert på disse forklaringsvariablene. De foreslåtte og utforskede metodene er ulike typer generaliserte lineære modeller, trebaserte metoder og nærmeste nabo-metoden. Ensemblemetoder som kombinerer ulike varsler undersøkes også. For å validere de foreslåtte metodene beregnes mean continuous ranked probability score and root mean squared error basert på kryssvalidering. I tillegg gjøres en visuell inspeksjon basert på PIT-diagrammer. Modellene sammenlignes også med to baselinemodeller; (1) En generalisert lineær modell med faregrad ... |
author2 |
Steinsland, Ingelin |
format |
Master Thesis |
author |
Sigbjørnsen, Benjamin |
spellingShingle |
Sigbjørnsen, Benjamin Site-specific probabilistic forecast for avalanches |
author_facet |
Sigbjørnsen, Benjamin |
author_sort |
Sigbjørnsen, Benjamin |
title |
Site-specific probabilistic forecast for avalanches |
title_short |
Site-specific probabilistic forecast for avalanches |
title_full |
Site-specific probabilistic forecast for avalanches |
title_fullStr |
Site-specific probabilistic forecast for avalanches |
title_full_unstemmed |
Site-specific probabilistic forecast for avalanches |
title_sort |
site-specific probabilistic forecast for avalanches |
publisher |
NTNU |
publishDate |
2024 |
url |
https://hdl.handle.net/11250/3151285 |
long_lat |
ENVELOPE(19.515,19.515,69.266,69.266) |
geographic |
Troms Fylke |
geographic_facet |
Troms Fylke |
genre |
Nord-Norge Troms |
genre_facet |
Nord-Norge Troms |
op_relation |
no.ntnu:inspera:187809203:129558464 https://hdl.handle.net/11250/3151285 |
_version_ |
1811641542872399872 |