Εύρεση βέλτιστης κατανομής θερμοκρασίας

Finding optimal temperature distribution (Αγγλική)

  1. MSc thesis
  2. ΑΓΓΕΛΙΚΗ ΝΑΣΗ
  3. Περιβαλλοντικός Σχεδιασμός (ΠΣΧ)
  4. 21 Σεπτεμβρίου 2025
  5. Ελληνικά
  6. 137
  7. Νικόλαος Ραψομανίκης
  8. Νικόλαος Ραψομανίκης | Αρετή Τσέλιου | Ευθύμιος Ζέρβας
  9. Θερμοκρασία, Κανονική κατανομή, Κατανομή Γάμμα, Κατανομή Weibull, Λογαριθμική-Κανονική Κατανομή
  10. Περιβαλλοντικός Σχεδιασμός για την Αντιμετώπιση της Κλιματικής Αλλαγής
  11. 30
  12. Περιλαμβάνει: Γραφήματα , Πίνακα
    • Η κατανόηση της στατιστικής κατανομής των δεδομένων θερμοκρασίας είναι απαραίτητη για την ακριβή ανάλυση του κλίματος, την αξιολόγηση κινδύνου και τη μοντελοποίηση των περιβαλλοντικών αλλαγών. Η παρούσα μελέτη επικεντρώνεται στον εντοπισμό των καταλληλότερων μοντέλων κατανομής πιθανοτήτων για τα ετήσια δεδομένα θερμοκρασίας σε έξι ελληνικές πόλεις, χρησιμοποιώντας δεδομένα από τα έτη 1980 και 2020. Xρησιμοποιήθηκαν τέσσερις κατανομές, Κανονική, Γάμμα, Weibull και Λογαριθμική-Κανονική και αξιολογήθηκε η απόδοση κάθε κατανομής με το τεστ καλής προσαρμογής χ2. Τα αποτελέσματα έδειξαν ότι η Κανονική κατανομή επέδειξε την καλύτερη προσαρμογή σε 10 από τις 12 περιπτώσεις, ιδιαίτερα στα πιο πρόσφατα σύνολα δεδομένων (π.χ., Αλεξανδρούπολη 1980 & 2020, Ηράκλειο 1980 & 2020, Κέρκυρα 1980 & 2020, Τατόι 2020, Τρίπολη 2020 και Φλώρινα 1980 & 2020). Η κατανομή Γάμμα παρείχε την καλύτερη προσαρμογή σε 2 περιπτώσεις, οι οποίες αντιστοιχούσαν κυρίως σε παλαιότερα σύνολα δεδομένων (π.χ., Τατόι 1980, Τρίπολη 1980). Η κατανομή Weibull σε κάποιες περιπτώσεις πλησίασε στην καλύτερη κατανομή όπως στην περίπτωση της Αλεξανδρούπολης 1980 και 2020. Αντίθετα, η Λογαριθμική-Κανονική δεν είχε τόσο καλή προσαρμογή. Αυτά τα ευρήματα υποδηλώνουν ότι η Κανονική Κατανομή τείνει να είναι πιο κατάλληλη για τη μοντελοποίηση σύγχρονων δεδομένων θερμοκρασίας στην Ελλάδα.

    • Understanding the statistical distribution of temperature data is essential for accurate climate analysis, risk assessment and environmental change modeling. The present study focuses on identifying the most appropriate probability distribution models for annual temperature data in six Greek cities, using data from the years 1980 and 2020. Four distributions were used, Normal, Gamma, Weibull and Log-Normal, and the performance of each distribution was evaluated with the χ2 goodness-of-fit test. The results showed that the Normal distribution exhibited the best fit in 10 out of 12 cases, especially in the most recent datasets (e.g., Alexandroupolis 1980 & 2020, Heraklion 1980 & 2020, Corfu 1980 & 2020, Tatoi 2020, Tripoli 2020 and Florina 1980 & 2020). The Gamma distribution provided the best fit in 2 cases, which corresponded mainly to older datasets (e.g., Tatoi 1980, Tripoli 1980). In some cases, the Weibull distribution approached the best distribution, as in the case of Alexandroupolis in 1980 and 2020. In contrast, Log-Normal distribution did not provide such a good fit. These findings suggest that the Normal Distribution tends to be more suitable for modeling modern temperature data in Greece.

  13. Hellenic Open University
  14. Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές