Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Matricola: s - 220976
A.A. 2014/2015
Relazioni di Idrologia Bert Roberto - s 220976
Indice
1 Analisi esplorativa di una serie di dati. 4
1.1 Analisi dei colmi di piena del Chisone a San Martino (TO). . . . . . . . . . . . . . . . . 4
1.1.1 Diagramma cronologico della serie. . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Diagramma a punti della serie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Tracciamento del diagramma delle frequenze assolute e relative. . . . . . . . . . . 5
1.1.4 Calcolo dei valori centrali e dei momenti campionari. . . . . . . . . . . . . . . . . 6
1.1.5 Costruzione del diagramma delle frequenze cumulate. . . . . . . . . . . . . . . . 7
1.2 Analisi dei massimi annui di precipitazione in 24 h a Pragelato. . . . . . . . . . . . . . . 7
1.2.1 Diagramma cronologico della serie. . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Diagramma a punti della serie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Tracciamento del diagramma delle frequenze assolute e relative. . . . . . . . . . . 7
1.2.4 Calcolo dei valori centrali e dei momenti campionari. . . . . . . . . . . . . . . . . 9
1.2.5 Costruzione del diagramma delle frequenze cumulate. . . . . . . . . . . . . . . . 9
1
Relazioni di Idrologia Bert Roberto - s 220976
4.3 Stima delle portate di progetto xt su entrambe le distribuzioni (con parametri stimati
con il metodo degli Lmomenti) per valori di periodo di ritorno T pari a 50, 100, 200 anni. 20
4.4 Stima dei parametri della distribuzione GEV con il metodo degli L-momenti. . . . . . . 20
4.5 Verifica grafica dell’adattamento al campione delle funzioni di probabilità GEV con
parametri stimati con il metodo degli L-momenti, usando la relativa carta probabilistica. 21
4.6 Stima delle portate di progetto xt con utilizzo della distribuzione GEV per valori di
periodo di ritorno T pari a 50, 100, 200 anni. . . . . . . . . . . . . . . . . . . . . . . . . 22
2
Relazioni di Idrologia Bert Roberto - s 220976
3
Relazioni di Idrologia Bert Roberto - s 220976
1.1 Analisi dei colmi di piena del Chisone a San Martino (TO).
La prima serie presa in considerazione riguarda le portate di massima registrate sul sul fiume
Chisone a San Martino in provincia di Torino
La base di partenza è data da un insieme di 33 valori di portata massima registrati negli anni
compresi tra il 1955 e il 2010. Si ricopre dunque un lasso temporale di 55 anni dei quali negli intervalli
che vanno dal 1971 al 1976, dal 1978 al 1992 e nel biennio 1995-1996 si ha un’interruzione delle
osservazioni(vedi figura 1). Fra essi il massimo occorso nel 1977 è pari a 1493 m3 /s e il minimo del
1967 di soli 18 m3 /s.
4
Relazioni di Idrologia Bert Roberto - s 220976
ove N che indica la numerosità del campione. Dall’applicazione della formula si individuano sei classi e
successivamente, contando il numero di campioni che ricadono all’interno di ognuna di esse, si ottiene
la frequenza assoluta (vedi figura 3).
La frequenza relativa si ricava a partire da quella assoluta semplicemente dividendo il valore cor-
rispondente alle diverse classi per la numerosità del campione (vedi figura 4). Una cosa importante
da notare e che le forme dei due istogrammi rimangono identiche e cambia solamente il valore delle
ordinare che risulta scalato di una quantità pari alla dimensione del campione.
5
Relazioni di Idrologia Bert Roberto - s 220976
la varianza campionaria e la varianza campionaria indistorta (considera che i dati di partenza sono
rappresentati da una popolazione limitata di elementi) ovvero gli indice della dispersione dei valori:
N
1 X
s2 = (xi − x)2
N
k=1
lo scarto quadratico medio ottenuto come radice quadrata della varianza indistorta:
√
s = s2
e infine il coefficiente di asimmetria (skewness) e il coefficiente di asimmetria indistorto:
1 PN 3
N k=1 (xi − x)
γ=
s3
PN 3
N k=1 (xi − x)
γ=
(N − 1)(N − 2) s3
I risultati ottenuti per il caso in esame vengono riportati nella tabella seguente:
Media 267.61 m3 /s
Varianza campionaria 77641 (m3 /s)2
Varianza campionaria indistorta 80067 (m3 /s)2
Scarto quadratico medio 282.96 m3 /s
Coefficiente di asimmetria 2.73
Coefficiente di asimmetria indistorta 3.00
6
Relazioni di Idrologia Bert Roberto - s 220976
7
Relazioni di Idrologia Bert Roberto - s 220976
Figura 8: Diagramma delle frequenze assolute Figura 9: Diagramma delle frequenze relative
8
Relazioni di Idrologia Bert Roberto - s 220976
Media 62.19 m3 /s
Varianza campionaria 830.92 (m3 /s)2
Varianza campionaria indistorta 864.16 (m3 /s)2
Scarto quadratico medio 29.40 m3 /s
Coefficiente di asimmetria 0.95
Coefficiente di asimmetria indistorta 1.06
Figura 10: Frequenze cumulate dei massimi annui di precipitazione in 24h a Pragelato
9
Relazioni di Idrologia Bert Roberto - s 220976
2.1 Costruzione del diagramma delle frequenze cumulate e della curva di proba-
bilità cumulata della distribuzione normale.
Per lo svolgimento dell’esercizio è stato necessario in primo luogo andare ad ordinare i valori per
poter calcolare la frequenza empirica di non superamento attraverso l’espressione:
i
F (i) =
n+1
dove i rappresenta il campione i-esimo e n il numero totale di misurazioni effettuate, nel nostro caso
33. Successivamente si provvede al computo della media e della deviazione standard con le seguenti
formule:
µ = θ1 = x
σ = θ2 = s
ottenendo i valori trovati al punto 1.1.4. e che sono rispettivamente 267.61 e 282.96. Infine si procede
al calcolo della CDF (Cumulative Distribution Function) mediante la funzione di matlab p = normc-
df(x,mu,sigma) e si vanno a rappresentare su un grafico i due andamenti ottnuti come riportato in
figura 11.
Figura 11: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata normale
10
Relazioni di Idrologia Bert Roberto - s 220976
Figura 12: Distribuzione di probabilità normale stimata dalla serie in sovrapposizione al diagramma delle
frequenze relative di classe
• Tracciamento della retta relativa alla distribuzione normale utilizzando la variabile ridotta u,
definita dalla relazione:
x − θ1
u=
θ2
• Inversione della funzione Normale Standardizzata Cumulata, calcolata con il comando matlab
ui = norminv(F (i)) applicata alla serie fornita
• Rappresentazione delle due variabili ridotte associate ai calori di portata registrati in ascissa
(vedi figura 13).
Ad un rapido sguardo si vede come le osservazioni si discostano in modo importante dalla retta cosı̀
che la Distribuzione Normale non è idonea a rappresentarle e sarà necessario ricorrere a una differente
distribuzione.
11
Relazioni di Idrologia Bert Roberto - s 220976
Figura 13: Retta relativa alla distribuzione Normale e valori di portata in funzione dell’inversa della funzione
Normale Standardizzata Cumulata
12
Relazioni di Idrologia Bert Roberto - s 220976
3.1 Stima dei parametri delle distribuzioni Log-Normale e di Gumbel con il me-
todo dei momenti.
3.1.1 Log-Normale:
Per realizzare una distribuzione Log-Normale si può procedere in due modi:
• servirsi dei dati della Log-Normale e quindi delle relative formule per il calcolo dei valori σ e
µ nel caso di utilizzo della teoria dei momenti, o i corrispondenti valori di λ1 e λ2 nel caso di
utilizzo della teoria degli LMomenti come di seguito indicato e in ogni caso andarsi a calcolare i
valori di θ1 e θ2
Per lo svolgimento dell’esercitazione si è proceduto con il secondo metodo, cosı̀ facendo i parametri
θ1 e θ2 corrispondono rispettivamente ai valori di media e scarto quadratico medio calcolati come
nell’ercitazione precedente e che per i dati in forma logaritmica valgono rispettivamente 5.22 [m3 /s]
e 0.87 [m3 /S]. Una volta realizzato questo passaggio è stato possibile confrontare nuovamente la
distribuzione delle Frequenze cumulate ottenuta al punto 2.1. con la CDF calcolata questa volta con
riferimento hai dati logaritmici ottenendo quanto riportato in seguito (vedi figura 14).
Figura 14: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata Log-normale
Si precisa che se non si fosse ricorso a questo artificio le formule per ottenere le variabili θ avreb-
bero richiesto l’uso di media e scarto quadratico calcolati per la serie normale e sarebbero state
13
Relazioni di Idrologia Bert Roberto - s 220976
rispettivamente:
σ2
1
θ1 = ln µ − ln 1 + 2
2 µ
s
σ2
θ2 = ln 1 + 2
µ
3.1.2 Gumbel:
Nel caso della distribuzione di Gumbel il calcolo dei parametri avviene tramite le relazioni:
√
6
θ1 = µ − 0.5772σ
π
√
6
θ2 = σ
π
i cui valori (θ1 =140.27, θ2 =220.62) inseriti nella relazione:
x − θ1
−
θ2
F (x) = exp− exp
ci consentono di ricavare l’andamento della CDF. Come in precedenza l’andamento delle due funzioni
è riportato nella figura seguente(vedi figura 15).
Figura 15: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata Gumbel
14
Relazioni di Idrologia Bert Roberto - s 220976
Figura 16: Retta relativa alla distribuzione Normale e valori di portata in funzione dell’inversa della funzione
Log-Normale Standardizzata Cumulata
3.2.2 Gumbel:
Allo stesso modo si procede per la realizzazione della Carta Probabilistica per la distribuzione di
Gumbel utilizzando nella formula della u i valori di θ1 e θ2 relativi adottando l’accortezza di andare a
riportare le u(i) ricavate a partire dalle x(F), che costituiscono l’inverso della F(x), ottenibile mediante
la seguente formula:
x(F ) = θ1 − θ2 ln[− ln(F (x))]
e calcolando succesivamente:
x(F ) − θ1
ui =
θ2
Dalla sovrapposizione risulta (vedi figura 17).
Andando ad osservare le due carte probabilistiche ricavate per le due diverse distribuzioni si può
affermare che esse risultano più adatte alla descrizione dei dati di portata rilevati. Quanto detto è valido
in particolare modo per la distribuzione Log-Normale in cui i valori della ui si addensano nell’intorno
della retta u.
15
Relazioni di Idrologia Bert Roberto - s 220976
dimodoché è stato possibile ricavare i valori cercati con una distinzione per le due distribuzioni. Per
quanto riguarda la distribuzione Log-Normale è stato necessario applicare il comando X = nor-
minv(P,mu,sigma) e successivamente fare l’esponenziale per ottenere il valore della portata come
indicato nella relazione:
xt = exp(ln(Q))
Per la distribuzione di Gumbel invece la formulazione è differente e vale:
1
x(F ) = θ1 − θ2 ln ln
F
Dai calcoli svolti con il programma di calcolo Matlab si sono ottenute le seguenti portate in forma
tabulata:
• Distribuzione Log-Normale:
• Distribuzione di Gumbel:
16
Relazioni di Idrologia Bert Roberto - s 220976
4.1 Stima dei parametri delle distribuzioni Log-Normale e di Gumbel con il me-
todo degli L-momenti.
4.1.1 Log-Normale:
La prima operazione è quella di convertire i dati in valori logaritmici per poi applicare il metodo
degli L-momenti per il calcolo dei parametri:
θ1 = L1
√
θ2 = ΠL2
dove:
L1 = b0
L2 = 2b1 − b0
con:
n
1X
b0 = xj
n
j=1
n
1 X (j − 1)xj
b1 =
n (n − 1)
j=1
b0 b1 L1 L2 θ1 θ2
5.22 2.85 5.22 0.48 5.22 0.86
Come nelle esercitazioni precedenti si provvede a graficare l’andamento del diagramma delle fre-
quenze cumulate in sovrapposizione alla CDF ricavata con riferimento alle portate in forma logaritmica
e utilizzando i valori di θ1 e θ2 appena calcolati (vedi figura 18).
4.1.2 Gumbel:
Usiamo lo stesso procedimento visto ma stavolta utilizzando la distribuzione di Gumbel:
n
1X
b0 = xj
n
j=1
n
1 X (j − 1)xj
b1 =
n (n − 1)
j=1
L1 = b0
L2 = 2b1 − b0
17
Relazioni di Idrologia Bert Roberto - s 220976
Figura 18: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata Log-normale con gli L-momenti
θ1 = L1 − 0.5772 θ2
L2
θ2 =
ln 2
I risultati ottenuti in forma tabulata sono:
b0 b1 L1 L2 θ1 θ2
267.61 195.82 267.61 124.02 164.34 178.92
Ancora una volta i due andamenti sono rappresentati sullo stesso grafico (vedi figura 21).
Figura 19: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata Gumbel con gli L-momenti
18
Relazioni di Idrologia Bert Roberto - s 220976
Figura 20: Verifica grafica dell’adattamento al campione delle funzioni di probabilità Log-Normale con metodo
degli L-momenti
4.2.2 Gumbel:
La procedura è quella adottata al punto 3.2.2. ma con i parametri θ valutati nella sezione precedente
con gli L-momenti:
Figura 21: Verifica grafica dell’adattamento al campione delle funzioni di probabilità Gumbel con metodo degli
L-momenti
19
Relazioni di Idrologia Bert Roberto - s 220976
• Distribuzione Log-Normale:
• Distribuzione di Gumbel:
4.4 Stima dei parametri della distribuzione GEV con il metodo degli L-momenti.
Procediamo ora ad una nuova scelta, con una distribuzione atta a descrivere le distribuzioni
dei massimi, ovvero la Generalized Extreme Value (G.E.V.). Si sono dapprima calcolati i PWM
campionari:
n
1X
b0 = xj
n
j=1
n
1 X (j − 1)xj
b1 =
n (n − 1)
j=1
n
1 X (j − 1)(j − 2)xj
b2 =
n (n − 1)(n − 2)
j=1
L1 = b0
L2 = 2b1 − b0
L3 = 6b2 − 6b1 + b0
E considerando che τ3 , L-asimmetria, è definito come rapporto tra L3 e L2 e risulta essere pari a 0,47,
si ricavano in sequenza i tre parametri della GEV, dopo aver preventivamente definito la quantità c:
2 ln(2)
c= −
3 + τ3 ln(3)
θ2
θ 1 = L1 − (1 − Γ(1 + θ3 ))
θ3
20
Relazioni di Idrologia Bert Roberto - s 220976
θ3 L2
θ2 = −θ
(1 − 2 3 ) Γ (1 + θ3 )
θ3 ' 7.8590 c + 2.9554 c2
I risultati ottenuti in forma tabulata sono:
b0 b1 b2 L1 L2 L3 c θ1 θ2 θ3
34.08 20.55 15.03 34.08 7.02 0.95 0.01 28.49 10.63 0.05
Figura 22: Sovrapposizione delle curve di frequenza empirica con l’andamento della funzione di probabilità
cumulata con distribuzione GEV
Per il calcolo dei valori della CDF e della x (F(i)) si sono usate le seguenti espressioni:
−1
−θ3 log{1 − θ3 (x − θ1 )/θ2 } θ3 6= 0
y=
(x − θ1 )/θ2 θ3 = 0
−y
F (x) = exp−exp
θ1 + θ2 [1 − (− log(F ))θ3 ]/θ3 θ3 6= 0
y=
θ1 − θ2 log(− log(F )) θ3 = 0
21
Relazioni di Idrologia Bert Roberto - s 220976
formula seguente:
θ2
x(F ) = θ1 + [1 − (−ln(F ))θ3 ]
θ3
E poi si calcola:
x(F ) − θ1
ui =
θ2
La carta probabilistica ottenuta è riportata di seguito (vedi figura 23).
4.6 Stima delle portate di progetto xt con utilizzo della distribuzione GEV per
valori di periodo di ritorno T pari a 50, 100, 200 anni.
La procedura seguita è la medesima di quella adottata per il calcolo delle portate con le precedenti
distribuzioni probabilistiche e i valori che si ricavano sono i seguenti:
22
Relazioni di Idrologia Bert Roberto - s 220976
f =k−s−1
dove s è il numero di parametri della distribuzione presa in esame; k rappresenta il numero di intervalli
nei quali si richiede venga suddiviso il campo di esistenza delle variabili Q: tali intervalli devono
essere equiprobabili e mutuamente escludentisi per massimizzare la potenza del test, dimodoché risulti
p1 = p2 = . . . = pk = k/n con
k = int[2 n0.4 ]
e n pari al numero di osservazioni. La T.STAT può essere costruita tenendo conto della sua formula-
zione:
k
X (ni − n pi )2
X2 =
n pi
i=1
Il termine ni è il numero di osservazioni che effettivamente ricadono nel i-esimo intervallo, ottenibile
tramite la costruzione del diagramma di frequenza di classe assoluta, già visto nell’Esercitazione 1,
tenendo però conto del fatto che le classi sono già determinate, e non dipendenti dai valori massimo e
minimo. Invece n pi è il numero atteso di elementi nell’intervallo i-esimo, che non cambierà da intervallo
a intervallo, avendoli scelti equiprobabili. Di fatto il test di Pearson consiste nel vedere quanto questi
due valori si discostano l’uno dall’altro.
Quanto detto in termini teorici nella pratica consiste in:
• creare i k intervalli equiprobabili con ampiezza pari a p e valori limite ben definiti;
• ricavare i quantili della distribuzione, ovvero le x(F), calcolandoli nei valori limite dei k intervalli
(escludendo 0 e 1), per “popolare” gli intervalli stessi;
23
Relazioni di Idrologia Bert Roberto - s 220976
• contare il numero effettivo di valori ricadenti negli intervalli per poi inserire tutto nella formula
di cui sopra.
Se il valore X 2 cosı̀ ottenuto dovesse risultare superiore al valore limite χ2 il test risulta non
superato. Si potrebbe allora decidere di cambiare il livello di sensibilità del test rendendolo meno
severo, ovvero riducendo il valore di α, in modo da passare il test. Vengono dunque riassunti nel
seguito i risultati ottenuti dal test delle tre distribuzioni prese in esame con livello di sensibilità α pari
a 0,05.
Per le distribuzione in questione si è andata ad individuare l’ampiezza di ogni classe in modo tale da
avere una medesima probabilità e successivamente si è calcolata la numerosità del campione all’interno
di ognuna di esse ni . Le formule usate per le seguenti casistiche sono:
24
Relazioni di Idrologia Bert Roberto - s 220976
• Distribuzione Log-Normale:
X = norminv(P, mu, sigma)
• Distribuzione Gumbel:
X = θ1 − θ2 (log(− log(P ))
• Distibuzione GEV:
X = θ1 + (θ2 (1 − (− log(P ))θ3 )/θ3
con l’inserimento dei rispettivi valori di θ. Con lo stesso software sono stati calcolati anche i valori di
k, X 2 ed f mentre i valori di χ2 da utilizzare per il confronto sono reperibili, come detto in precedenza,
nella figura sopra riportata.
Quanto ottenuto è riportato in seguito in forma tabulata:
5.1.1 Log-Normale:
k 8
pi 0.125
numero classi 1 2 3 4 5 6 7 8
limite inf eriore [m3 /s] 18 69.2 104 141 185.1 243.2 329.7 495.4
limite superiore [m3 /s] 69.2 104 141 185.1 243.2 329.7 495.4 1493
occorrenze 4 3 2 8 7 0 5 4
X2 11.36
s 2
f 5
χ2 (da tab.) 11.1
X 2 > χ2 test N ON superato
5.1.2 Gumbel:
k 8
pi 0.125
numero classi 1 2 3 4 5 6 7 8
limite inf eriore [m3 /s] 18 33.3 105.9 167.8 229.9 299.4 387.3 524.6
limite superiore [m3 /s] 33.3 105.9 167.8 229.9 299.4 387.3 524.6 1493
occorrenze 1 6 6 10 1 4 2 3
X2 16.21
s 2
f 5
χ2 (da tab.) 11.1
X 2 > χ2 test N ON superato
25
Relazioni di Idrologia Bert Roberto - s 220976
5.1.3 GEV:
k 8
pi 0.125
numero classi 1 2 3 4 5 6 7 8
limite inf eriore [m3 /s] 18 75.7 108.7 141.5 179.6 229.2 304.6 458.1
limite superiore [m3 /s] 75.7 108.7 141.5 179.6 229.2 304.6 458.1 1493
occorrenze 4 3 2 6 8 1 5 4
X2 8.45
s 3
f 4
χ2 (da tab.) 9.49
X 2 < χ2 test superato
(Φ(x) − Fx (x))2
Z
2
A =n fx (x)dx
Fx (x)(1 − Fx (x))
ηp
2
A − ξ
p 0.851
se1.2 ξp ≤ A2
0.0403 + 0.116
βp
ω= ηp
2
A − ξp 0.851 A2 − 0.2ηp
se1.2 ξp > A2
0.0403 + 0.116
βp ηp
Dove ηp , βp ed ξp sono dei coefficienti che dipendono dal tipo di distribuzione (vedi figura ??).
Una volta effettuata la trasformazione bisogna verificare che il valore di ω sia inferiore ad un ωL IM
che, per il livello di significatività richiesto α = 0.05 è pari a 0,461.
Per ogni distribuzione abbiamo calcolato il valore di A2 , ricavato da tabella i coefficienti in funzione
della distribuzione adottata, verificato la casistica relativa e calcolato il valore di ω da confrontare con
ωL IM per determinare il superamento o non superamento del test (si ricorda che il test è superato se
ω < ωLIM ).
26
Relazioni di Idrologia Bert Roberto - s 220976
Figura 25: Valori assunti dai parametri in funzione del tipo di distribuzione
5.2.1 Log-Normale:
A2 0.4193
ξp 0.167
βp 0.229
ηp 1.147
ω 0.172
ωLIM 0.461
ω < ωLIM test superato
5.2.2 Gumbel:
A2 1.5073
ξp 0.169
βp 0.229
ηp 1.141
ω 1.277
ωLIM 0.461
ω > ωLIM test N ON superato
5.2.3 GEV:
A2 0.3611
ξp 0.143
βp 0.183
ηp 1.198
ω 0.188
ωLIM 0.461
ω < ωLIM test superato
Andando a ricapitolare, mettendo in un’unica tabella i risultati derivanti dall’applicazione dei due
diversi test per le tre tipologie di distribuzioni probabilistiche, si ottengono i seguenti risultati:
27
Relazioni di Idrologia Bert Roberto - s 220976
T est del χ2
Distribuzione Log − N ormale test N ON superato
Distribuzione Gumbel test N ON superato
Distribuzione GEV test superato
T est di Anderson − Darling
Distribuzione Log − N ormale test superato
Distribuzione Gumbel test N ON superato
Distribuzione GEV test superato
Ne segue che la funzione di probabilità di Gumbel non risulta idonea alla descrizione del nostro
campione mentre, poichè per entrambe le tipologie di test si ha avuto esito positivo, quella GEV è la
più consigliata ai fini statistici. Per quanto concerne la distribuzione Log-Normale si può dire che può
essere utilizzata anche alla luce del fatto che il test del χ2 non è stato superato di poco.
1h 3h 6h 12h 24h
media 14.24 23.96 34.08 50.11 64.10
varianza 37.51 85.12 149.38 371.73 851.13
sqm 6.12 9.23 12.22 19.28 29.17
CV 0.43 0.385 0.36 0.38 0.46
p = polyf it(x, y, n) Andando a graficare in scala logaritmica hd , valor medio del massimo annuo di
precipitazione in d ore, in funzione di d, si può procedere ad un’interpolazione di potenza per ottenere
la retta che meglio approssima la relazione tra le due grandezze sopracitate. Tale retta è individuata da
due parametri, intercetta e coefficiente angolare, indicati rispettivamente con m ed n. Il procedimento
è schematizzato nelle formule seguenti:
ln(hd ) = m + n ln(d)
28
Relazioni di Idrologia Bert Roberto - s 220976
Possiamo sfruttare la regressione per calcolare il valor medio della precipitazione per qualsiasi
durata, e non solo per le cinque assegnate. Il passo successivo consiste nel determinare la stima del
valor medio del massimo annuo di precipitazione in funzione di una specifica durata d e di un tempo
di ritorno T, tramite l’utilizzo della funzione di crescita k(T ).
z}|{
hd = hd K(T )
La funzione di crescita K(T) ha una formulazione ben precisa dipendente dalla tipologia di distribuzione
scelta.
29
Relazioni di Idrologia Bert Roberto - s 220976
dove si sceglie come valore del CV il valore mediato sulle 5 ore di riferimento fornite e pari a :
CV = 0.4
Fatto ciò è possibile andare a definire per ogni periodo di ritorno la corrispettiva funzione di crescita
z}|{
e moltiplicare quest’ultima per il valore medio in modo tale da ottenere il valore stimato di hd,T per le
varie durate oggetto di indagine:
( " √ #)
z}|{ 6 T
hd = hd 1 − CV 0.45 + ln ln
π T −1
Graficando i valori delle altezze di precipitazione hd in funzione della durata d espressa in ore per un
tempo di ritorno T fissato di hanno dei valori di altezza di precipitazione più alti per tempi di ritorno
maggiori come era lecito aspettarsi. L’andamento della curva IDF viene nel seguito rappresentata sia
in coordinate cartesiane (vedi figura 27) che in scala bi-logaritmica (vedi figura 28).
30
Relazioni di Idrologia Bert Roberto - s 220976
Per quanto riguarda il valore di precipitazione per la durata di 6 ore e tempo di ritorno pari a 100
anni applicando la medesima formula si ottiene che:
6.3 Sempre per la durata d = 6 ore, si stimino i primi tre L-momenti e si utilizzi
la distribuzione GEV per determinare il valore di precipitazione h6,100 .
Per quanto riguarda il caso di dati avente distribuzione GEV, il calcolo di K(T) ha una formulazione
differente che dipende dai parametri della distribuzione θ1 , θ2 e θ3 e risponde alla relazione:
T
!!!
θ1 θ2 −θ3 − ln ln
K(T ) = + 1 − exp T −1
b0 b0 θ3
Come già noto dalle precedenti esercitazioni è quindi necessario calcolare i parametri della GEV me-
diante il metodo degli L-Momenti e ricavare i valori di L1 , L2 e L3 mediante i PWM. Ottenuti tali
z}|{
valori si calcola la funzione di crescita che moltiplicata per il valore medio consente di ricavare gli hd,T .
Poichè le formulazioni e i risultati sono analoghi a quelle calcolati al punto 4.4 si riportano solamente
i risultati:
b0 b1 b2 L1 L2 L3 c θ1 θ2 θ3
34.08 20.55 15.03 34.08 7.02 0.95 0.01 28.49 10.63 0.05
31
Relazioni di Idrologia Bert Roberto - s 220976
θ1 θ2 −θ3 − ln ln
K(T ) = + 1 − exp T −1
b0 b0 θ3
α −k − ln ln
K(T ) = ε + 1 − exp T −1
k
dove si è posto:
θ1
ε=
b0
θ2
α=
b0
k = θ3
essendo ε, α e k le notazioni ”storiche” della distribuzione GEV.
Calcoliamo i parametri θ1 , θ2 e θ3 per tutte le cinque durate caratteristiche (1h, 3h, 6h, 12h, 24h)
facendo ancora riferimento ai dati pluviometrici utilizzati nell’esercitazione precedente, e ricaviamo
anche i fattori adimensionali prima introdotti e riportati nella tabella successiva:
durata 1h 3h 6h 12h 24h
b0 14.24 23.96 34.08 50.11 64.10
θ1 11.18 19.56 28.49 41.11 49.61
θ2 3.06 7.11 10.63 15.46 21.01
θ3 -0.03 -0.04 0.05 0 -0.1
ε 0.79 0.82 0.84 0.82 0.77
α 0.22 0.3 0.31 0.31 0.33
k -0.3 -0.04 0.05 0 -0.1
L’approssimazione che si va a fare è di considerare i valori medi dei fattori ε, α e k che si possono
in effetti ritenere abbastanza costanti. L’approssimazione risulta un po’ forte solo per il fattore k che
presenta una maggiore variabilità.
ε 0.81
α 0.29
k -0.08
Utilizzando a questo punto l’espressione del fattore di crescita prima richiamata e applicando la
solita formula per la valutazione della stima delle precipitazioni nella forma:
T
!!!
−k − ln ln
z}|{ α T − 1
hd = hd ε + 1 − exp
k
otteniamo per i tempi di ritorno pari a 10, 50, e 100 anni i grafici in forma cartesiana (vedi figura29)
e bi-logaritmica (vedi figura 30)
32
Relazioni di Idrologia Bert Roberto - s 220976
33
Relazioni di Idrologia Bert Roberto - s 220976
Quota minima [m] Quota massima [m] ∆z [m] Quota media [m] Area bacino [km2 ] LDP [km]
1160 3234 2074 2154 154.21 26.439
Dall’Esercitazione precedente sono stati invece presi i dati relativi alle precipitazioni per la rico-
struzione della curva di possibilità pluviometrica con tempo di ritorno pari a 100 anni che valgono:
a n K(100)
14.282 0.4841 2.26325
hj = KT =100 a tnj
con:
tj = ∆t j
34
Relazioni di Idrologia Bert Roberto - s 220976
dove:
tc
∆t =
m
Lo ietogramma di progetto è quindi direttamente ricavabile ponendo come intensità di precipitazione
nell’intervallo j la quantità:
hj − hj−1
tj =
∆t
il cui grafico è riportato in figura (vedi figura 31).
35
Relazioni di Idrologia Bert Roberto - s 220976
36
Relazioni di Idrologia Bert Roberto - s 220976
dipenda esclusivamente dalle differenze di quota) è quindi immediato ottenere la curva aree-tempi (vedi
figura 34) in cui in ascissa si riportano i tempi di corrivazione tj e in ordinata l’area aj il cui tempo di
corrivazione è minore o uguale a t. La funzione ha quindi un andamento monotono crescente e aj ed
tj rispondono alle seguenti formulazioni:
aj = A(1 − xj )
tj = ζj tc
aj − aj − 1
Uj =
A
e diagrammando in funzione di tj si ha l’idrogramma unitario (vedi figura 35):
Andando quindi ad ottenere in forma adimensionalizzata l’incremento di area contribuente Uj ad
ogni step temporale, si può applicare la formula razionale per ottenere la portata per unità di area del
bacino:
qk = sumkj=1 tj Uk−j+1
Effettuando la convoluzione di tale formula ovvero sommando tutti i contributi relativi alle aree
contribuenti nei singoli step temporali si opera semplicemente la trasformazione:
A
Qk = qk Ψ
3.6
con Ψ posto in prima approssimazione unitario. Andando a riferire le portate Qk al tempo loro
associato si ottiene l’idrogramma di piena riportato in figura (vedi figura 36).
37
Relazioni di Idrologia Bert Roberto - s 220976
38
Relazioni di Idrologia Bert Roberto - s 220976
da cui è possibile ricavare il valore della portata di colmo ottenuta moltiplicando tale valore per l’area
e per il coefficiente ( nel nostro caso posto pari a 1) e rapportandolo a 3,6 per ottenere un risultato
39
Relazioni di Idrologia Bert Roberto - s 220976
espresso in m3 /s:
A
Qk = qk Ψ
3.6
Otteniamo dunque l’idrogramma di piena netto, che verrà rappresentato in sovrapposizione all’idro-
gramma lordo (vedi figura 38) ricavato come in precedenza assumendo ancora una volta il terreno
impermeabile ma riferendosi alla nuova distribuzione temporale delle precipitazioni.
Si riportano ora di seguito i grafici relativi allo svolgimento dell’esercitazione distinguendo i casi con
CN(medio) CN (II) e CN (III) i cui valori sono reperibili dall’Atlantedeibaciniimbrif eripiemontesi
relativamente al sito di Fenestrelle:
40
Relazioni di Idrologia Bert Roberto - s 220976
9.1 CN(medio)
A partire dal nuovo ietogramma si può andare a ricavare quello netto considerando il volume di
pioggia lorda cumulata a partire dal momento in cui essa supera il valore di assorbimento iniziale.
Cosı̀ facendo si va a considerare solamente quella quota che effettivamente va a generare un deflusso
superficiale e che divisa per l’intervallo i-esimo ci dà l’intensità netta (vedi figura 39).
Con il procedimento prima enunciato si risale dunque all’idrogramma di piena netto(vedi figura
40) dal cui confronto con quello lordo emerge che:
• il picco risulta sensibilmente inferiore a causa dei fenomeni di assorbimento ad opera del suolo;
• il picco risulta spostato verso destra e quindi si verifica per tempi maggiori.
Figura 40: Confronto fra l’idrogramma lordo e quello netto ricavato assumendo CN(medio)
41
Relazioni di Idrologia Bert Roberto - s 220976
Figura 42: Confronto fra l’idrogramma lordo e quello netto ricavato assumendo CN(II)
• il picco risulta più alto e in una posizione più simile a quella dell’idrogramma lordo;
• la diminuzione della forbice tra l’idrogramma netto e quello lordo evidenzia la minore quantità
di pioggia infiltrata nel terreno e che quindi non genera deflusso.
42
Relazioni di Idrologia Bert Roberto - s 220976
Figura 44: Confronto fra l’idrogramma lordo e quello netto ricavato assumendo CN(III)
Nella tabella che segue si riportano ai fini di un confronto i valori di portata di picco Q[m3 /s] per i
cinque idrogrammi ottenuti a partire dagli ietogrammi di partenza e Chicago con assunzione di suolo
impermeabile e con la rimozione dell’ipotesi di impermeabilità facendo variare CN:
Caso Portata di picco [m3 /s] tempo [h]
Suolo impermeabile, ietogramma di partenza 922.65 2.48
Suolo impermeabile, ietogramma Chicago 997.83 3.54
Suolo permeabile, ietogramma Chicago e CN(medio) 140.39 4.25
Suolo permeabile, ietogramma Chicago e CN(II) 156.76 4.25
Suolo permeabile, ietogramma Chicago e CN(III) 467.04 3.89
In definitiva possiamo dire che:
• Tanto più il valore di CN è prossimo allo zero tanto più si ha un terreno capace di assorbire le
precitazioni e diminuisce il fenomeno del ruscellamento;
• Al crescere di CN il picco di piena aumenta, si verifica per tempi inferiori e la campana risulta
meno schiacciata tendendo alla condizione di idrogramma lordo.
43
Relazioni di Idrologia Bert Roberto - s 220976
Figura 45: Confronto fra l’idrogramma lordo e quello netto ricavato assumendo CN(III)
Una volta valutato il ∆θ come differenza tra il contenuto d’acqua a saturazione e quello iniziale, è
possibile determinare il tempo di ponding, ossia il tempo che intercorre tra l’inizio della precipitazione
e l’inizio del deflusso superficiale, tramite la seguente formula:
Ks Ψ∆θ
tp =
w(w − Ks )
A tale istante l’altezza di acqua infiltrata, Fp , può essere valutata come:
Fp = w tp
Questo valore è necessario per calcolare l’evolversi di F in funzione del tempo t per istanti successivi
al tempo di ponding. A tal fine si utilizza la formula:
Ψ∆θ + F
F = Fp + Ks (t − tp ) + Ψ∆θ ln
Ψ∆θ + Fp
Poiché F compare in entrambi i membri, bisogna utilizzare il metodo delle successive sostituzioni,
utilizzando un valore di primo tentativo pari ad esempio a Fp , e arrestando il processo quando due
44
Relazioni di Idrologia Bert Roberto - s 220976
10.1 Limo.
Calcoliamo il tempo di ponding e il corrispondente valore di acqua infiltrata tramite le formule
sopra citate:
tp [h] Fp [mm]
1.37 27.32
A questo punto calcoliamo l’infiltrazione cumulata con la formula sopra vista a partire da un
tempo di 1,5h (ovvero il primo tempo di riferimento successivo al punto di ponding) con un intervallo
temporale ∆t = 0,5h, arrivando al tempo t = 3h nel quale c’è la variazione di intensità. Il valore di
infiltrabilità ricavato per t = 3h (13,44 mm/h) risulta maggiore della nuova intensità di precipitazione,
pari a 5 mm/h. Ne segue che il tasso d’infiltrabilità reale coinciderà da questo istante in poi, con il
valore di w. Invece per il calcolo di F, non si farà più riferimento all’equazione finora utilizzata, ma
semplicemente esso sarà uguale a:
Fi = Fi−1 + ∆tw
Gli andamenti dell’infiltrazione cumulata F e del tasso di infiltrazione f sono riportati nelle figure (46)
e (47).
10.2 Argilla.
Procediamo in maniera analoga per il terreno argilloso calcolando il tempo di ponding e il corri-
spondente valore di altezza di acqua infiltrata:
45
Relazioni di Idrologia Bert Roberto - s 220976
tp [h] Fp [mm]
0.06 1.30
A questo punto calcoliamo l’infiltrazione cumulata con la solita formula utilizzando lo stesso passo
temporale ma partendo da un tempo di 0,5h fino al momento in cui avviene la variazione di intensità.
Il valore di infiltrabilità ricavato per t = 3h (2,30 [mm/h]) risulta stavolta minore della nuova intensità
di precipitazione, pari a 5 [mm/h]. Ne segue che il tasso d’infiltrabilità reale continuerà a coincidere
con il tasso d’infiltrabilità potenziale, pertanto, utilizzando le stesse equazioni, si trovano i valori di F
ed f anche per i successivi tempi fino ad arrivare a t = 6h e si ottiene (vedi figura 48 e figura 49):
46
Relazioni di Idrologia Bert Roberto - s 220976
47
Relazioni di Idrologia Bert Roberto - s 220976
Confrontando il valore di f0 con w1 si vede che quest’ultimo è minore, il che implica che non
possiamo percorrere la curva f( t), bensı̀ dobbiamo procedere con intensità costante, pari a w1 , fino ad
arrivare al tempo di ponding tp che può essere calcolato tramite la seguente formula:
f0 − w f1 w − f1
tp = − ln
kw kw f0 − f1
Sostituendo nella formula i dati del problema otteniamo un valore del tp pari a 2.24h che, essendo
minore del tempo di durata della pioggia, ci permette di applicare con facilità l’equazione di fc (t)
del modello di Horton: infatti, dal tempo di ponding in avanti, è possibile percorrere la curva fc (t)
”shiftata” di una quantità pari a t − tp . Il valore di fc in corrispondenza di t=3h sarà quindi una
quantità, che chiamiamo fc0 in accordo con la teoria vista a lezione, deducibile dalla seguente formula:
0
fc0 (t0 ) = f1 + (f00 − f1 ) expkt
ove f00 è pari all’intensità di pioggia w1 , che costituisce una sorta di nuova condizione iniziale per t = tp .
Tra le 3 e le 6 ore, invece, interviene la precipitazione di intensità w2 . Confronto w2 con fc0 , e trovo
che l’intensità di pioggia è maggiore del tasso di infiltrazione in corrispondenza delle 3 ore, quindi
posso percorrere la curva fc (t) ”shiftata” stavolta di una quantità pari a t-3h. Seguendo lo stesso
procedimento visto poc’anzi, si ricava un valore del tasso di infiltrazione f c00 in corrispondenza delle 6
ore dove stavolta la nuova condizione iniziale, f 00 , è pari al valore di fc in corrispondenza delle 3 ore.
Svolgendo i calcoli con un ciclo in maltab si ottengono i valori della curva di fc per tutti gli intervalli
temporali otteniamo i seguenti valori:
E’ da notare come prima del tempo di ponding i valori di tale curva coincidono con w1 . L’an-
damento della funzione fc (t) viene rappresentato (vedi figura 51) in sovrapposizione alle intensità di
precipitazione e all’andamento dell’infiltrazione potenziale.
Figura 51: Andamento della funzione fc (t) per il caso A in sovrapposizione alle precipitazioni e all’infiltrazione
potenziale
48
Relazioni di Idrologia Bert Roberto - s 220976
E’ utile sottolineare come la differenza fra la linea rossa e quella blù rappresenti il volume di deflusso
superficiale. Abbiamo ora tutti i dati per calcolare il volume di acqua infiltrata, necessario per ricavare
il valore del coefficiente di deflusso Ψ e l’andamento del deflusso superficiale. A tal fine si utilizza la
formula seguente:
(f0 − f1 ) h i
Fc (t) = f1 t + 1 − exp−kt
k
dove f0 e t vanno di volta in volta cambiati, in accordo a quanto visto prima nei riguardi del tasso di
infiltrazione. Fino al tempo di ponding il volume di acqua infiltrato è pari al prodotto dell’intensità di
pioggia per tp e valori calcolati sono:
Dunque alla fine dell’evento di pioggia il volume totale d’acqua infiltrata sarà pari alla somma dei
tre valori appena ricavati:
t [h] 0 tp =2.24 3 6
Fc (t)[mm] 0 26.87 33.64 45.57
cosı̀ che l’andamento che ne deriva è quello riportato nella figura (52):
Il coefficiente di deflusso Ψ può essere dunque calcolato per mezzo della seguente formula:
h6,T − Fc (T = 6h)
Ψ=
h6,T
con:
h6,T = w1 t1 + w2 t2
Per quanto concerne l’andamento del deflusso superficiale, basta semplicemente sottrarre, per cia-
scun intervallo cronologico di riferimento la differenza tra il volume di pioggia caduta e il volume di
acqua infiltrata e si ottiene:
49
Relazioni di Idrologia Bert Roberto - s 220976
Il deflusso superficiale può anche essere in [mm] come differenza tra il volume di pioggia caduto e
il volume infiltrato per i tre intervalli presi in considerazione per la Fc (t):
andando a sommare i valori si ottiene che il deflusso superficiale complessivo vale 65.43 mm e ha
l’andamento espresso in figura (54):
t [h] 0 tp = 2.24 3 6
R(t) [mm] 0 0 2.36 65.43
50
Relazioni di Idrologia Bert Roberto - s 220976
51
Relazioni di Idrologia Bert Roberto - s 220976
Come nel caso A, si parte confrontando il valore di f0 con w1 , e poiché si ha nuovamente che il
primo è il maggiore dei due, si dovrà partire con intensità costante fino al tempo di ponding che vale
0.55h. Ancora in analogia a quanto visto dal tempo di ponding in avanti è possibile percorrere la curva
fc (t) “shiftata” di una quantità pari a t − tp e si ottiene (vedi figura 56):
Figura 56: Andamento della funzione fc (t) per il caso B in sovrapposizione alle precipitazioni e all’infiltrazione
potenziale
Fino al tempo di ponding il volume di acqua infiltrato è pari al prodotto dell’intensità di pioggia
per tp ; per t > tp si utilizza la formula vista nel caso A:
Alla fine dell’evento di pioggia il volume totale d’acqua infiltrata sarà pari alla somma dei tre valori
appena ricavati:
t [h] 0 tp =0.55 3 6
Fc (t)[mm] 0 13.80 38.51 48.45
cosı̀ che l’andamento che ne deriva è quello riportato nella figura (57):
Sulla base del volume di precipitazione e di quello infiltrato si calcola come già visto il coefficiente
di deflusso Ψ:
Sottraendo per ciascun intervallo cronologico di riferimento la differenza tra il volume di pioggia
caduta e il volume di acqua infiltrata e si ottiene il deflusso superficiale:
52
Relazioni di Idrologia Bert Roberto - s 220976
Esprimedolo in [mm] come differenza tra il volume di pioggia caduto e il volume infiltrato per i tre
intervalli presi in considerazione per la Fc (t) si ottiene:
andando a sommare i valori si ottiene che il deflusso superficiale complessivo vale 62.55 mm e ha
l’andamento espresso in figura (59):
t [h] 0 tp = 0.55 3 6
R(t) [mm] 0 0 36.49 62.55
53
Relazioni di Idrologia Bert Roberto - s 220976
54
Parte 1
close all;
clear all;
clc;
%% Import dati
sm = importdata('Dati_S.martino.txt')';
sm_anni = sm(1,:);
sm_anni_comp = [sm_anni(1):sm_anni(end)];
sm_mm = zeros(1,length(sm_anni_comp));
sm_anni_comp = [sm_anni_comp;sm_mm];
for i=1:length(sm_anni_comp);
for j=1:length(sm_anni);
if sm_anni_comp(1,i) == sm_anni(j);
sm_anni_comp(2,i) = sm(2,j);
end
end
end
figure
bar(sm_anni_comp(1,:),sm_anni_comp(2,:),'r');
grid on;
xlabel('Anni');
ylabel('Portata [m^3/s]');
%title('\it Diagramma Cronologico della Serie');
ylim([0 1600]);
%% Diagramma a Punti
sm_anni_comp_2 = zeros(1,length(sm_anni_comp));
sm_anni_comp_2 = [sm_anni_comp_2;sm_anni_comp(2,:)];
figure
a =
scatter(sm_anni_comp(2,:),sm_anni_comp_2(1,:),50,'d','MarkerFaceColor','r','MarkerE
dgeColor','k');
grid on;
xlabel('it\itPortata [m^3/s]');
axis([0 1600 -0.1 0.1]);
%title('\it Diagramma a Punti');
%% Frequenza Assoluta
a = length(sm);
N1 = floor(1+3.3*log10(a));
a = sort(sm(2,:));
b = (a(end)-a(1))/N1;
c = [a(1):b:a(end)];
d = zeros(1,N1);
e = (1:1:N1);
for j=1:N1;
for i=1:length(a);
if a(i)<=c(j+1)&a(i)>=c(j);
d(j)= d(j)+1;
end
end
end
figure
bar(e,d,'r');
grid on;
xlabel('Classi');
ylabel('Frequenze Assolute');
%title('\itDiagramma delle Frequenze Assolute');
%% Frequenza Relativa
d1 = d/length(a);
figure
bar(e,d1,'r');
grid on;
xlabel('Classi');
ylabel('Frequenze Relative');
%title('\itDiagramma delle Frequenze Relative');
media_sm = mean(a);
varianza_sm_camp = var(a,1);
varianza_sm_camp_ind = var(a);
sm_sqm = std(a);
sm_s = sqrt(varianza_sm_camp_ind);
t = 0;
for i=1:length(a)
t1 = (a(i)-media_sm)^3;
t = t+t1;
end
sm_asimm = ((1/length(a))*t)/(sm_s^3);
sm_asimm_ind = ((length(a))/((length(a)-1)*(length(a)-2))*t)/(sm_s^3);
f = (1:1:length(a));
g = f./length(a);
figure
plot(a,g,'r','linewidth',1.5);
grid on;
xlabel('Portata [m^3/s]');
ylabel('i/n');
%title('\itDiagramma delle Frequenze Cumulate');
%% Pragelato
%% Import dati
p = importdata('Dati_Pragelato.txt')';
p_anni = p(1,:);
p_anni_comp = [p_anni(1):p_anni(end)];
p_mm = zeros(1,length(p_anni_comp));
p_anni_comp = [p_anni_comp;p_mm];
for i=1:length(p_anni_comp);
for j=1:length(p_anni);
if p_anni_comp(1,i) == p_anni(j);
p_anni_comp(2,i) = p(2,j);
end
end
end
figure
bar(p_anni_comp(1,:),p_anni_comp(2,:),'b');
grid on;
xlabel('Anni');
ylabel('h [mm]');
%title('\itDiagramma Cronologico della Serie');
ylim([0 150]);
%% Diagramma a Punti
p_anni_comp_2 = zeros(1,length(p));
p_anni_comp_2 = [p_anni_comp_2;p(2,:)];
figure
a =
scatter(p(2,:),p_anni_comp_2(1,:),50,'d','MarkerFaceColor','b','MarkerEdgeColor','k
');
grid on;
xlabel('Anni');
axis([0 150 -0.1 0.1]);
ylabel('h [mm]');
%title('\itDiagramma a Punti');
%% Frequenza Assoluta
a = length(p);
N2 = floor(1+3.3*log10(a));
a = sort(p(2,:));
b = (a(end)-a(1))/N2;
c = [a(1):b:a(end)];
d = zeros(1,N2);
e = (1:1:N2);
for j=1:N2;
for i=1:length(a);
if a(i)<=c(j+1)&a(i)>=c(j);
d(j)= d(j)+1;
end
end
end
figure
bar(e,d,'b');
grid on;
xlabel('Classi');
ylabel('Frequenze Assolute');
%title('\itDiagramma Frequenze Assolute');
ylim([0 11]);
%% Frequenza Relativa
d1 = d/length(a);
figure
bar(e,d1,'b');
grid on;
xlabel('Classi');
ylabel('Frequenze Relative');
%title('\itDiagramma Frequenze Relative');
media_p = mean(a);
varianza_p_camp = var(a,1);
varianza_p_camp_ind = var(a);
p_sqm = std(a);
p_s = sqrt(varianza_p_camp_ind);
t = 0;
for i=1:length(a)
t1 = (a(i)-media_p)^3;
t = t+t1;
end
p_asimm = ((1/length(a))*t)/(p_s^3);
p_asimm_ind = ((length(a))/((length(a)-1)*(length(a)-2))*t)/(p_s^3);
f = (1:1:length(a));
g = f./length(a);
figure
plot(a,g,'b','linewidth',1.5);
grid on;
xlabel('h [mm]');
ylabel('i/n');
%title('\itDiagramma Frequenze Cumulate');
Parte 2
clc;
close all;
clear all;
%% Punto 1
portata_2 = sort(portata);
indice = (1:33);
n = length(portata);
for i=1:length(portata)
f(i)=i/(n+1);
end
media = mean(portata);
sqm = std(portata);
ncdf = normcdf(portata_2,media,sqm);
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,ncdf,'b','linewidth',2);
% title('\itFrequenze cumulate e CDF con distribuzione normale');
legend('Frequenze cumulate','CDF','location','southeast');
xlabel('Q [m^3/s]');
ylabel('F(i)');
%% Punto 2
a = length(portata_2);
N1 = floor(1+3.3*log10(a));
b = (portata_2(end)-portata_2(1))/N1;
c = [portata_2(1):b:portata_2(end)];
d = zeros(1,N1);
e = [210.7 210.7*2 210.7*3 210.7*4 210.7*5 210.7*6];
for j=1:N1;
for i=1:length(portata_2);
if portata_2(i)<=c(j+1)&portata_2(i)>=c(j);
d(j)= d(j)+1;
end
end
end
d1 = d/length(portata_2);
npdf = normpdf(portata_2,media,sqm);
figure
hold on;
grid on;
[A1,H1,H2] = plotyy(portata_2,npdf,e,d1,'plot','bar','k','linewidth',2);
xlim([0 1500]);
set(H1,'color','blue');
set(H1,'linewidth',2);
% title('\itFrequenze relative e PDF');
xlabel('Q [m^3/s]');
%% Punto 3
for i=1:length(portata_2)
u(i) = (portata_2(i)-media)/sqm;
end
invpdf = norminv(f);
figure
plot(portata_2,u,'b','linewidth',2);
hold on;
grid on;
scatter(portata_2,invpdf,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k')
xlabel('Q [m^3/s]');
%title('\itRetta di distribuzione Normale e Inversa della funzione Normalizzata
Standard');
legend('u','ui','location','southeast');
%% Punto 4
N_vita_utile = 10;
Rn1 = 0.05;
T1 = 1/(1-nthroot(1-Rn1,N_vita_utile));
F1 = (T1-1)/T1;
Q1 = norminv(F1,media,sqm);
T2 = 200;
Prs2 = 1/T2;
Rn2 = [1-(1-Prs2)^10];
F2 = (T2-1)/T2;
Q2 = norminv(F2,media,sqm);
Parte 3
%% Punto 1: Stima Parametri con il metodo dei Momenti
%% Distribuzione Log-Normale
teta1_ln = log(media)-0.5*log(1+(sqm^2/media^2));
teta2_ln = sqrt(log(1+(sqm^2/media^2)));
portata_2log = log(portata_2);
media_datilog = mean(portata_2log);
scarto_datilog = std(portata_2log);
% ho usato una normale distribuzione cumulata con i valori log delle
% portate e con teta1 e teta2 calcolate come da realzione
ncdf2log = normcdf(portata_2log,media_datilog,scarto_datilog);
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,ncdf2log,'b','linewidth',2);
%xlabel('Q [m^3/s]');
ylabel('F(i)');
legend('Frequenze cumulate','CDF','location','southeast');
%% Distribuzione di Gumbel
teta1_gum = media-0.5772*sqm*(sqrt(6)/pi);
teta2_gum = sqm*(sqrt(6)/pi);
for i=1:length(portata_2)
F_gum(i) = exp(-exp(-(portata_2(i)-teta1_gum)/teta2_gum));
end
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,F_gum,'b','linewidth',2);
% title('\itFrequenze cumulate e curva di probabilità cumulata con distribuzione di
Gumbel');
xlabel('Q [m^3/s]');
ylabel('F(i)');
legend('Frequenze cumulate','CDF','location','southeast');
%% Distribuzione Log-Normale
for i=1:length(portata_2log)
u_ln(i) = (portata_2log(i)-teta1_ln)/teta2_ln;
end
invpdf = norminv(f);
figure
semilogx(portata_2,u_ln,'b','linewidth',2);
hold on;
grid on;
scatter(portata_2,invpdf,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k')
xlabel('Q [m^3/s]');
legend('u','ui','location','southeast');
% title('\itDARE TITOLO');
%% Distribuzione di Gumbel
for i=1:length(portata_2);
u_g(i) = ((portata_2(i)-teta1_gum)/teta2_gum);
end
for i=1:length(portata_2);
x_gum(i) = teta1_gum-teta2_gum*log(-log(f(i)));
end
for i=1:length(portata_2);
u_gum(i) = (x_gum(i)-teta1_gum)/teta2_gum;
end
figure
plot(portata_2,u_g,'b','linewidth',2);
hold on;
grid on;
scatter(portata_2,u_gum,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k')
xlabel('Q [m^3/s]');
legend('u','ui','location','southeast');
% title('\itDARE TITOLO');
tempo = [50,100,200];
for i=1:length(tempo)
F(i) = (tempo(i)-1)/tempo(i);
end
%% Distribuzione Log-Normale
for i=1:length(tempo)
Q_ln(i) = norminv(F(i),teta1_ln,teta2_ln);
Q_ln(i) = exp(Q_ln(i));
end
%% Distribuzione Gumbel
for i=1:length(tempo)
Q_gum(i) = teta1_gum-teta2_gum*(log(log(1/F(i))));
end
Parte 4
%% Punto 1 Stima Parametri con gli L-momenti
%% Distribuzione Log-Normale
b0ln = (1/n)*(sum(portata_2log));
for i=1:length(portata_2log)
b1ln(i) = ((i-1)*portata_2log(i))/(n-1);
end
b1ln = sum(b1ln);
b1ln = (1/n)*b1ln;
L1ln = b0ln;
L2ln = 2*b1ln-b0ln;
teta1_lnl = L1ln;
teta2_lnl = sqrt(pi)*L2ln;
ncdf2logl = normcdf(portata_2log,teta1_lnl,teta2_lnl);
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,ncdf2logl,'b','linewidth',2);
%title('\itDARE TITOLO');
xlabel('Q [m^3/s]');
legend('Frequenze cumulate','CDF','location','southeast');
%% Distribuzione Gumbel
b0g = (1/n)*sum(portata_2);
for i=1:length(portata_2log)
b1g(i) = ((i-1)*portata_2(i))/(n-1);
end
b1g = sum(b1g);
b1g = (1/n)*b1g;
L1g = b0g;
L2g = 2*b1g-b0g;
teta2_g = L2g/(log(2));
teta1_g = L1g-0.5772*teta2_g;
for i=1:length(portata_2)
F_gumg(i) = exp(-exp(-(portata_2(i)-teta1_g)/teta2_g));
end
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,F_gumg,'b','linewidth',2);
%title('\itDARE TITOLO');
xlabel('Q [m^3/s]');
legend('Frequenze cumulate','CDF','location','southeast');
%%Distribuzione Log-Normale
for i=1:length(portata_2log)
u_lnl(i) = (portata_2log(i)-teta1_lnl)/teta2_lnl;
end
invpdf = norminv(f);
figure
semilogx(portata_2,u_lnl,'b','linewidth',2);
hold on;
grid on;
scatter(portata_2,invpdf,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k')
xlabel('Q [m^3/s]');
legend('u','ui','location','southeast');
%title('\itDARE TITOLO');
%% Distribuzione di Gumbel
for i=1:length(portata_2);
u_gl(i) = ((portata_2(i)-teta1_g)/teta2_g);
end
for i=1:length(portata_2);
x_guml(i) = teta1_g-teta2_g*log(-log(f(i)));
end
for i=1:length(portata_2);
u_guml(i) = (x_guml(i)-teta1_g)/teta2_g;
end
figure
plot(portata_2,u_gl,'b','linewidth',2);
hold on;
grid on;
scatter(portata_2,u_guml,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k')
xlabel('Q [m^3/s]');
legend('u','ui','location','southeast');
%title('\itDARE TITOLO');
%% Distribuzione Log-Normale
for i=1:length(tempo)
Q_lnl(i) = norminv(F(i),teta1_lnl,teta2_lnl);
Q_lnl(i) = exp(Q_lnl(i));
end
%% Distribuzione Gumbel
for i=1:length(tempo)
Q_guml(i) = teta1_g-teta2_g*(log(log(1/F(i))));
end
%% Punto 4: Stima dei parametri della distribuzione GEV con metodo L-mom
b0_GEV = b0g;
b1_GEV = b1g;
for i=1:length(portata_2log)
b2_GEV(i) = ((i-1)*(i-2)*portata_2(i))/((n-1)*(n-2));
end
b2_GEV = sum(b2_GEV);
b2_GEV = (1/n)*b2_GEV;
L1_GEV = b0_GEV;
L2_GEV = 2*b1_GEV-b0_GEV;
L3_GEV = 6*b2_GEV-6*b1_GEV+b0_GEV;
tao3 = L3_GEV/L2_GEV;
c_GEV = (2/(3+tao3))-(log(2)/log(3));
teta3_GEV = 7.8590*c_GEV+2.9554*(c_GEV)^2;
teta2_GEV = (teta3_GEV*L2_GEV)/((1-2^(-teta3_GEV))*(gamma(1+teta3_GEV)));
teta1_GEV = L1_GEV-((teta2_GEV/teta3_GEV)*(1-(gamma(1+teta3_GEV))));
for i=1:length(portata_2);
if teta3_GEV==0;
y(i) = (portata_2(i)-teta1_GEV)/teta2_GEV;
else
y(i) = -teta3_GEV^(-1)*(log(1-teta3_GEV*(portata_2(i)-
teta1_GEV)/teta2_GEV));
end
end
%CDF
for i=1:length(portata_2);
F_GEV(i) = exp(-exp(-y(i)));
end
%PDF
for i=1:length(portata_2);
f_GEV(i) = (1/teta2_GEV)*exp(-(1-teta3_GEV)*y(i)-exp(-y(i)));
end
for i=1:length(portata_2);
if teta3_GEV==0;
x_GEV(i) = teta1_GEV-teta2_GEV*log(-log(F_GEV(i)));
else
x_GEV(i) = teta1_GEV+(teta2_GEV*(1-((-log(f(i)))^(teta3_GEV)))/teta3_GEV);
end
end
figure
scatter(portata_2,f,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,F_GEV,'b','linewidth',2);
%title('\itDARE TITOLO');
xlabel('Q [m^3/s]');
legend('Frequenze cumulate','CDF-GEV','location','southeast');
for i=1:length(portata_2);
u_GEV(i) = (portata_2(i)-teta1_GEV)/teta2_GEV;
end
for i=1:length(portata_2);
ui_GEV(i) = (x_GEV(i)-teta1_GEV)/teta2_GEV;
end
figure
scatter(portata_2,ui_GEV,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
hold on;
grid on;
plot(portata_2,u_GEV,'b','linewidth',2);
%title('\itDARE TITOLO');
xlabel('Q [m^3/s]');
legend('u','ui','location','southeast');
for i=1:length(tempo)
Q_GEV(i) = teta1_GEV+(teta2_GEV*(1-((-log(F(i)))^(teta3_GEV)))/teta3_GEV);
end
Parte 5
%% Punto 1: Test di Pearson
%Distribuzione Log-Normale
k = round(2*n^0.4);
p_i = 1/k;
sudd = [0:p_i:1];
cont_ln = zeros(1,k);
for i=1:length(sudd)
val_log(i) = norminv(sudd(i),teta1_lnl,teta2_lnl);
end
val_log(1) = [];
val_log(end) = [];
val1 = exp(val_log);
sudd_ln = [portata_2(1),val1,portata_2(end)];
for j=1:k;
for i=1:length(portata_2);
if portata_2(i)<=sudd_ln(j+1)&portata_2(i)>=sudd_ln(j);
cont_ln(j)= cont_ln(j)+1;
end
end
end
for j=1:length(cont_ln);
chiq_ln(j) = (cont_ln(j)-n*p_i)^2/(n*p_i);
end
chiq_ln = sum(chiq_ln);
s = 2;
f_ln = k-s-1;
% da tabella
chiq_confr_ln = 11.1;
if chiq_ln<chiq_confr_ln;
fprintf('Test di Pearson: distr Log-Normale idonea\n');
else
fprintf('Test di Pearson: distr Log-Normale NON idonea\n');
end
%Distribuzione Gumbel
cont_gum = zeros(1,k);
for i=1:length(sudd)
val_gum(i) = teta1_g-teta2_g*(log(-log(sudd(i))));
end
val_gum(1) = [];
val_gum(end) = [];
sudd_gum = [portata_2(1),val_gum,portata_2(end)];
for j=1:k;
for i=1:length(portata_2);
if portata_2(i)<=sudd_gum(j+1)&portata_2(i)>=sudd_gum(j);
cont_gum(j)= cont_gum(j)+1;
end
end
end
for j=1:length(cont_gum);
chiq_gum(j) = (cont_gum(j)-n*p_i)^2/(n*p_i);
end
chiq_gum = sum(chiq_gum);
s = 2;
f_ln = k-s-1;
% da tabella
chiq_confr_gum = 11.1;
if chiq_gum<chiq_confr_gum;
fprintf('Test di Pearson: distr Gumbel idonea\n');
else
fprintf('Test di Pearson: distr Gumbel NON idonea\n');
end
%Distribuzione GEV
cont_GEV = zeros(1,k);
for i=1:length(sudd)
val_GEV(i) = teta1_GEV+(teta2_GEV*(1-((-
log(sudd(i)))^(teta3_GEV)))/teta3_GEV);
end
val_GEV(1) = [];
val_GEV(end) = [];
sudd_GEV = [portata_2(1),val_GEV,portata_2(end)];
for j=1:k;
for i=1:length(portata_2);
if portata_2(i)<=sudd_GEV(j+1)&portata_2(i)>=sudd_GEV(j);
cont_GEV(j)= cont_GEV(j)+1;
end
end
end
for j=1:length(cont_GEV);
chiq_GEV(j) = (cont_GEV(j)-n*p_i)^2/(n*p_i);
end
chiq_GEV = sum(chiq_GEV);
s = 3;
f_ln = k-s-1;
% da tabella
chiq_confr_GEV = 9.49;
if chiq_GEV<chiq_confr_GEV;
fprintf('Test Pearson: distr GEV idonea\n');
else
fprintf('Test Pearson: distr GEV NON idonea\n');
end
% Distribuzione Log-Normale
for i=1:length(portata_2)
A_ln(i) = (2*(i)-1)*log(ncdf2logl(i))+(2*n+1-2*(i))*log(1-ncdf2logl(i));
end
A_ln = sum(A_ln);
A_ln = -n-((1/n)*A_ln);
%da tabella
csi_ln = 0.167;
beta_ln = 0.229;
eta_ln = 1.147;
par_ln = 1.2*csi_ln;
if par_ln<=A_ln;
omega_ln = 0.0403+0.116*(((A_ln-csi_ln)/(beta_ln))^(eta_ln/0.851));
else
omega_ln =(0.0403+0.116*((0.2*csi_ln)/beta_ln)^(eta_ln/0.851))*((A_ln-
0.2*csi_ln)/csi_ln);
end
%da tabella
omega_contr = 0.461;
if omega_ln<omega_contr;
fprintf('Test Anderson-Darling: dist Log-Normale idonea\n');
else
fprintf('Test Anderson-Darling: la distr Log-Normale NON idonea\n');
end
% Distribuzione Gumbel
for i=1:length(portata_2)
A_gum(i) = (2*(i)-1)*log(F_gumg(i))+(2*n+1-2*(i))*log(1-F_gumg(i));
end
A_gum = sum(A_gum);
A_gum = -n-((1/n)*A_gum);
%da tabella
csi_gum = 0.169;
beta_gum = 0.229;
eta_gum = 1.141;
par_gum = 1.2*csi_gum;
if par_gum<=A_gum;
omega_gum = 0.0403+0.116*(((A_gum-csi_gum)/(beta_gum))^(eta_gum/0.851));
else
omega_gum =(0.0403+0.116*((0.2*csi_gum)/beta_gum)^(eta_gum/0.851))*((A_gum-
0.2*csi_gum)/csi_gum);
end
if omega_gum<omega_contr;
fprintf('Test Anderson-Darling: dist Gumbel idonea\n');
else
fprintf('Test Anderson-Darling: la distr Gumbel NON idonea\n');
end
% Distribuzione GEV
for i=1:length(portata_2)
A_GEV(i) = (2*(i)-1)*log(F_GEV(i))+(2*n+1-2*(i))*log(1-F_GEV(i));
end
A_GEV = sum(A_GEV);
A_GEV = -n-((1/n)*A_GEV);
%da tabella
csi_GEV = 0.143;
beta_GEV = 0.183;
eta_GEV = 1.198;
par_GEV = 1.2*csi_GEV;
if par_GEV<=A_GEV;
omega_GEV = 0.0403+0.116*(((A_GEV-csi_GEV)/(beta_GEV))^(eta_GEV/0.851));
else
omega_GEV =(0.0403+0.116*((0.2*csi_GEV)/beta_GEV)^(eta_GEV/0.851))*((A_GEV-
0.2*csi_GEV)/csi_GEV);
end
if omega_GEV<omega_contr;
fprintf('Test Anderson-Darling: dist GEV idonea\n');
else
fprintf('Test Anderson-Darling: la distr GEV NON idonea\n');
end
Parte 6
clc
close all;
clear all;
prec = importdata('Anni.txt');
tempo = [1 3 6 12 24];
anni = prec(:,1);
h1 = prec(:,2);
h3 = prec(:,3);
h6 = prec(:,4);
h12 = prec(:,5);
h24 = prec(:,6);
for i=2:6;
media(i) = mean(prec(:,i));
end
media(1) = [];
for i=2:6;
varianza(i) = var(prec(:,i));
end
varianza(1) = [];
for i=2:6;
sqm(i) = std(prec(:,i));
end
sqm(1) = [];
for i=1:5
retta(i) = exp(indici(2))*tempo(i)^(indici(1));
end
figure
scatter(tempo,media,50,'d','MarkerFaceColor','r','MarkerEdgeColor','k');
grid on;
hold on;
set(gca,'xscale','log');
set(gca,'yscale','log');
axis([0 100 0 100]);
xlabel('\ittempo [h]');
ylabel('\ith media [mm]');
%title('\itValori medi dei massimi annui nei relativi intervalli di tempo');
plot(tempo,retta,'b','linewidth',2);
gtext('y = 14.2820*d^0^.^4^8^4^1');
%% Punto 2: calcolo del CV medio
for i=1:5;
CV(i) = sqm(i)/media(i);
end
CV_m = mean(CV);
T = [10 50 100];
ore = (1:24);
%moltiplico quello fra parentesi tonda per la funzione trovata prima
for i=1:length(T);
for j=1:24;
h_dt(i,j) = exp(indici(2))*ore(j)^(indici(1))*(1-
CV_m*(0.45+(sqrt(6)/pi)*log(log(T(i)/(T(i)-1)))));
end
end
figure
plot(ore,h_dt(1,:),'g','linewidth',2);
grid on;
hold on;
plot(ore,h_dt(2,:),'b','linewidth',2);
plot(ore,h_dt(3,:),'r','linewidth',2);
xlabel('\itTempo [h]');
ylabel('\ith media [mm]');
%title('\itQuantili di precipitazione per un dato periodo di ritorno');
legend('T = 10 anni','T = 50 anni','T = 100 anni','location','southeast');
figure
plot(ore,h_dt(1,:),'g','linewidth',2);
grid on;
hold on;
plot(ore,h_dt(2,:),'b','linewidth',2);
plot(ore,h_dt(3,:),'r','linewidth',2);
xlabel('\itTempo [h]');
ylabel('\ith media [mm]');
%title('\itQuantili di precipitazione per un dato periodo di ritorno');
legend('T = 10 anni','T = 50 anni','T = 100 anni','location','southeast');
set(gca,'xscale','log');
set(gca,'yscale','log');
axis([0 25 0 160]);
h_dt6100 = h_dt(3,6);
prec(:,4) = sort(prec(:,4));
n = length(prec(:,4));
b0_GEV = (1/n)*sum(prec(:,4));
for i=1:length(prec(:,4))
b1_GEV(i) = ((i-1)*sum(prec(i,4))/(n-1));
end
b1_GEV = sum(b1_GEV);
b1_GEV = (1/n)*b1_GEV;
for i=1:length(prec(:,4))
b2_GEV(i) = ((i-1)*(i-2)*sum(prec(i,4)))/((n-1)*(n-2));
end
b2_GEV = sum(b2_GEV);
b2_GEV = (1/n)*b2_GEV;
L1_GEV = b0_GEV;
L2_GEV = 2*b1_GEV-b0_GEV;
L3_GEV = 6*b2_GEV-6*b1_GEV+b0_GEV;
tao3 = L3_GEV/L2_GEV;
c_GEV = (2/(3+tao3))-(log(2)/log(3));
teta3_GEV = 7.8590*c_GEV+2.9554*(c_GEV)^2;
teta2_GEV = (teta3_GEV*L2_GEV)/((1-2^(-teta3_GEV))*(gamma(1+teta3_GEV)));
teta1_GEV = L1_GEV-((teta2_GEV/teta3_GEV)*(1-(gamma(1+teta3_GEV))));
h_dt6100GEV =
exp(indici(2))*ore(6)^(indici(1))*((teta1_GEV/b0_GEV)+(teta2_GEV/(b0_GEV*teta3_GEV)
)*(1-exp(-teta3_GEV*(-log(log(T(3)/(T(3)-1)))))));
Parte 7
%% Punto 1: Utilizzando i dati riportati nel testo dell’Esercitazione 3,
%utilizzare la GEV per rappresentare i quantili di precipitazione relativi
%alla generica durata d una volta fissato il periodo di ritorno T.
%Si costruiscano le curve corrispondenti a T = 10, 50 e 100 anni
%rappresentandole in coordinate cartesiane ed in scala bi-logaritmica.
% Calcolo coefficienti
prec(:,1) = [];
for k=1:5;
prec_ord(:,k) = sort(prec(:,k));
end
n = length(prec_ord(:,1));
for k=1:5;
b0_GEV1(k) = (1/n)*sum(prec_ord(:,k));
end
for k=1:5;
for i=1:length(prec(:,1))
b1_GEV1(i,k) = ((i-1)*sum(prec_ord(i,k))/(n-1));
end
end
for j=1:5;
b1_GEV11(j) = sum(b1_GEV1(:,j));
end
for j=1:5;
b1_GEV12(j) = (1/n)*b1_GEV11(j);
end
for k=1:5;
prec_ord(:,k) = sort(prec(:,k));
end
for k=1:5;
for i=1:length(prec(:,1))
b2_GEV1(i,k) = ((i-1)*(i-2)*(prec_ord(i,k)))/((n-1)*(n-2));
end
end
for j=1:5;
b2_GEV11(j) = sum(b2_GEV1(:,j));
end
for j=1:5;
b2_GEV12(j) = (1/n)*b2_GEV11(j);
end
for k=1:5;
L1_GEV1(k) = b0_GEV1(k);
L2_GEV1(k) = 2*b1_GEV12(k)-b0_GEV1(k);
L3_GEV1(k) = 6*b2_GEV12(k)-6*b1_GEV12(k)+b0_GEV1(k);
end
for k=1:5;
tao31(k) = L3_GEV1(k)/L2_GEV1(k);
end
for k=1:5;
c_GEV1(k) = (2/(3+tao31(k)))-(log(2)/log(3));
end
for k=1:5;
teta3_GEV1(k) = 7.8590*c_GEV1(k)+2.9554*(c_GEV1(k))^2;
end
for k=1:5;
teta2_GEV1(k) = (teta3_GEV1(k)*L2_GEV1(k))/((1-2^(-
teta3_GEV1(k)))*(gamma(1+teta3_GEV1(k))));
end
for k=1:5;
teta1_GEV1(k) = L1_GEV1(k)-((teta2_GEV1(k)/teta3_GEV1(k))*(1-
(gamma(1+teta3_GEV1(k)))));
end
for k=1:5;
epsilon_GEV(k) = teta1_GEV1(k)/b0_GEV1(k);
end
epsilon_GEV = mean(epsilon_GEV);
for k=1:5;
alfa_GEV(k) = teta2_GEV1(k)/b0_GEV1(k);
end
alfa_GEV = mean(alfa_GEV);
k_GEV = mean(teta3_GEV1);
ore2 = [1 3 6 12 24];
for j=1:3;
for k=1:5
h_dtGEV1(k,j) = exp(indici(2))*ore2(k)^(indici(1))*(epsilon_GEV
+(alfa_GEV/k_GEV)*(1-exp(-k_GEV*(-log(log(T(j)/(T(j)-1)))))));
end
end
figure
plot(ore2,h_dtGEV1(:,1),'g','linewidth',2);
grid on;
hold on;
plot(ore2,h_dtGEV1(:,2),'b','linewidth',2);
plot(ore2,h_dtGEV1(:,3),'r','linewidth',2);
xlabel('\itTempo [h]');
ylabel('\ith media [mm]');
%title('\itQuantili di precipitazione per un dato periodo di ritorno con
distribuzione GEV');
legend('T = 10 anni','T = 50 anni','T = 100 anni','location','southeast');
figure
plot(ore2,h_dtGEV1(:,1),'g','linewidth',2);
grid on;
hold on;
plot(ore2,h_dtGEV1(:,2),'b','linewidth',2);
plot(ore2,h_dtGEV1(:,3),'r','linewidth',2);
xlabel('\itTempo [h]');
ylabel('\ith media [mm]');
%title('\itQuantili di precipitazione per un dato periodo di ritorno con
distribuzione GEV');
legend('T = 10 anni','T = 50 anni','T = 100 anni','location','southeast');
set(gca,'xscale','log');
set(gca,'yscale','log');
axis([0 25 0 160]);
Parte 8
clc;
close all;
clear all;
area = 154.21;
min = 1160;
max = 3234;
deltaz = max-min;
qmed = 2154;
LDP = 26.439;
m = 10;
a = 14.282;
n = 0.4841;
kt = 2.263250;
tc = (4*sqrt(area)+1.5*LDP)/(0.8*sqrt(qmed-min));
deltat = tc/m;
for i=1:m;
t(i) = deltat*(i);
end
for i=1:m;
h(i) = kt*a*t(i)^n;
end
i_j(1) = h(1)/deltat;
for i=2:m;
i_j(i) = (h(i)-h(i-1))/(deltat);
end
% i_j = [0 i_j];
tempo = [0:10];
figure
bar(t,i_j,'b');
grid on;
xlabel('\ittempo [h]');
ylabel('i [nn/h]');
%title('\itIetogramma di progetto');
%da sito
perc = [0 2.5 5 10 25 50 75 90 95 97.5 100];
perc = perc/100;
z = [3234 2811 2718 2616 2436 2179 1883 1632 1513 1419 1160];
for i=1:length(z);
zita(i) = (z(i)-min)/(deltaz);
end
for i=1:length(z);
area_cum(i) = perc(i)*area;
end
figure
plot(area_cum,z,'b','linewidth',2);
grid on;
xlabel('\itArea sovrastante [km^2]');
axis([0 160 1160 3500]);
ylabel('itQuota [m]');
%title('\itCurva Ipsografica');
figure
plot(perc,zita,'r','linewidth',2);
grid on;
xlabel('\itArea sovrastante [km^2]');
ylabel('\it\zeta [m]');
%title('\itCurva Ipsomertica');
percentuali = [0:0.1:1];
for i=1:length(percentuali);
zita_new(i) = 1-percentuali(i);
end
for i=1:length(perc)-1;
ans1 = [perc(i) perc(i+1)];
ans2 = [zita(i) zita(i+1)];
rette = polyfit(ans1,ans2,1);
retta(1,i) = rette(1);
retta(2,i) = rette(2);
end
for i=1:3;
x(i) = (zita_new(i)-retta(2,1))/retta(1,1);
end
x(4) = (zita_new(4)-retta(2,4))/retta(1,4);
for i=5:6;
x(i) = (zita_new(i)-retta(2,5))/retta(1,5);
end
x(7) = (zita_new(7)-retta(2,6))/retta(1,6);
x(8) = (zita_new(8)-retta(2,7))/retta(1,7);
x(9) = (zita_new(9)-retta(2,8))/retta(1,8);
x(10) = (zita_new(10)-retta(2,10))/retta(1,10);
x(11) = 1;
for i=1:length(x);
a_j(i) = area*(1-x(i));
end
for i=1:length(x);
t_j(i) = tc*zita_new(i);
end
figure
plot(t_j,a_j,'b','linewidth',2);
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itArea [km^2]');
%title('\itCurva Area-Tempi');
axis([0 3.5 0 170]);
a_j = fliplr(a_j);
for i=2:length(x);
uh_j(i) = (a_j(i)-a_j(i-1))/area;
end
t_j = fliplr(t_j);
t_jdiag = t_j;
t_jdiag(1) = [];
uh_jdiag = uh_j;
uh_jdiag(1) = [];
figure
bar(t_jdiag,uh_jdiag,'b');
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itUh [-]');
%title('\itIdrogramma unitario');
for i=1:length(uh_j);
for j=1:length(i_j);
ij(j+i,i) = uh_j(i)*i_j(j);
end
end
ij = ij(3:end,2:end);
qk = sum(ij');
qk = [0 qk];
Qk = area/3.6*qk;
ans = (length(Qk)-1)*(t_j(2)-t_j(1));
t_j2 = [0:t_j(2)-t_j(1):ans];
figure
plot(t_j2,Qk,'g','linewidth',2);
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itQ [m^3/s]');
Parte 9
% Nuovo idrogramma con ietogramma Chicago e suolo impermeabile
% i_jchi = [8.3707 9.4585 11.1053 14.0441 22.0161 55.2178 16.7501 12.3232 10.1852
8.8659];
i_jchi = [8.8659 10.1852 12.3232 16.7501 55.2178 22.0161 14.0441 11.1053 9.4585
8.3707];
figure
bar(t_jdiag,i_jchi,'b');
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itUh [-]');
%title('\itIdrogramma unitario');
for i=1:length(uh_j);
for j=1:length(i_jchi);
ij_chi(j+i,i) = uh_j(i)*i_jchi(j);
end
end
ij_chi = ij_chi(3:end,2:end);
qk_chi = sum(ij_chi');
qk_chi = [0 qk_chi];
Qk_chi = area/3.6*qk_chi;
ans_chi = (length(Qk_chi)-1)*(t_j(2)-t_j(1));
figure
plot(t_j2,Qk_chi,'g','linewidth',2);
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itQ [m^3/s]');
ylim([0 1100]);
%title('\itIdrogramma di piena con suolo impermeabile e ietogramma Chicago');
for i=1:3;
ia(i) = 0.2*S(i);
end
for i=1:length(i_jchi);
P(i) = i_jchi(i)*deltat;
end
P_cum(1) = P(1);
for i=2:length(P);
P_cum(i) = P(i)+P(i-1);
end
for i=2:length(P);
P_cum(i) = P(i)+P_cum(i-1);
end
% CN medio
for i=1:length(P_cum);
Pe_1(i) = (P_cum(i)-ia(1))^2/(P_cum(i)-ia(1)+S(1));
if P_cum(i) < ia(1);
Pe_1(i) = 0;
end
end
for i=2:length(Pe_1)
deltaPe_1(i) = Pe_1(i)-Pe_1(i-1);
end
for i=2:length(deltaPe_1);
ie_1(i) = deltaPe_1(i)/deltat;
end
for i=1:length(uh_j);
for j=1:length(ie_1);
ij_chi_1(j+i,i) = uh_j(i)*ie_1(j);
end
end
ij_chi_1 = ij_chi_1(3:end,2:end);
qk_chi_1 = sum(ij_chi_1');
qk_chi_1 = [0 qk_chi_1];
Qk_chi_1 = area/3.6*qk_chi_1;
ans_chi_1 = (length(Qk_chi_1)-1)*(t_j(2)-t_j(1));
figure
bar(t_jdiag,ie_1,'b');
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itUh [-]');
%title('\itIdrogramma unitario');
figure
plot(t_j2,Qk_chi,'g','linewidth',2);
grid on;
hold on;
plot(t_j2,Qk_chi_1,'k','linewidth',2);
xlabel('\itTempi di corivazione [h]');
ylabel('\itQ [m^3/s]');
ylim([0 1100]);
%title('\itConfronto Idrogramma di piena suolo impermeabile e permeabile con CN
medio');
legend('Suolo impermeabile','Suolo permeabile','location','northeast');
% CN 2
for i=1:length(P_cum);
Pe_2(i) = (P_cum(i)-ia(2))^2/(P_cum(i)-ia(2)+S(2));
if P_cum(i) < ia(2);
Pe_2(i) = 0;
end
end
for i=2:length(Pe_2)
deltaPe_2(i) = Pe_2(i)-Pe_2(i-1);
end
for i=2:length(deltaPe_2);
ie_2(i) = deltaPe_2(i)/deltat;
end
for i=1:length(uh_j);
for j=1:length(ie_2);
ij_chi_2(j+i,i) = uh_j(i)*ie_2(j);
end
end
ij_chi_2 = ij_chi_2(3:end,2:end);
qk_chi_2 = sum(ij_chi_2');
qk_chi_2 = [0 qk_chi_2];
Qk_chi_2 = area/3.6*qk_chi_2;
ans_chi_2 = (length(Qk_chi_2)-1)*(t_j(2)-t_j(1));
figure
bar(t_jdiag,ie_2,'b');
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itUh [-]');
%title('\itIdrogramma unitario');
figure
plot(t_j2,Qk_chi,'g','linewidth',2);
grid on;
hold on;
plot(t_j2,Qk_chi_2,'b','linewidth',2);
xlabel('\itTempi di corivazione [h]');
ylabel('\itQ [m^3/s]');
ylim([0 1100]);
%title('\itConfronto Idrogramma di piena suolo impermeabile e permeabile con
CN(II)');
legend('Suolo impermeabile','Suolo permeabile','location','northeast');
% CN 3
for i=1:length(P_cum);
Pe_3(i) = (P_cum(i)-ia(3))^2/(P_cum(i)-ia(3)+S(3));
if P_cum(i) < ia(3);
Pe_3(i) = 0;
end
end
for i=2:length(Pe_3)
deltaPe_3(i) = Pe_3(i)-Pe_3(i-1);
end
for i=2:length(deltaPe_3);
ie_3(i) = deltaPe_3(i)/deltat;
end
for i=1:length(uh_j);
for j=1:length(ie_3);
ij_chi_3(j+i,i) = uh_j(i)*ie_3(j);
end
end
ij_chi_3 = ij_chi_3(3:end,2:end);
qk_chi_3 = sum(ij_chi_3');
qk_chi_3 = [0 qk_chi_3];
Qk_chi_3 = area/3.6*qk_chi_3;
ans_chi_3 = (length(Qk_chi_3)-1)*(t_j(2)-t_j(1));
figure
bar(t_jdiag,ie_3,'b');
grid on;
xlabel('\itTempi di corivazione [h]');
ylabel('\itUh [-]');
%title('\itIdrogramma unitario');
figure
plot(t_j2,Qk_chi,'g','linewidth',2);
grid on;
hold on;
plot(t_j2,Qk_chi_3,'r','linewidth',2);
xlabel('\itTempi di corivazione [h]');
ylabel('\itQ [m^3/s]');
ylim([0 1100]);
%title('\itConfronto Idrogramma di piena suolo impermeabile e permeabile con
CN(III)');
legend('Suolo impermeabile','Suolo permeabile','location','northeast');
Parte 10
clc
clear all;
close all;
w = 20;
w2 = 5;
delta_t = 0.5;
por_li = 0.486;
cai_li = 0.146;
delta_li = por_li-cai_li;
psi_li = 166.8;
ks_li = 6.5;
por_a = 0.385;
cai_a = 0.116;
delta_a = por_a-cai_a;
psi_a = 316.3;
ks_a = 0.3;
T_ieto = [1:6];
h_ieto = [20 20 20 5 5 5];
figure
bar(T_ieto,h_ieto,'b');
grid on;
xlabel('\itt [h]');
ylabel('\itIntensità pioggia [mm/h]');
%title('\itIetogramma di riferimento');
axis([0 7 0 25]);
%% Limo
tp_li = (ks_li*psi_li*delta_li)/(w*(w-ks_li));
Fp_li = w*tp_li;
tol_li = w(1)/1000;
for i=1:length(t_li20);
if t_li20(i) < tp_li;
F_li20(i) = 0;
else if t_li20(i) == tp_li;
F_li20(i) = Fp_li;
else
tol = 1;
F_li = Fp_li+ks_li*(t_li20(i)-
tp_li)+psi_li*delta_li*log((psi_li*delta_li+Fp_li)/(psi_li*delta_li+Fp_li));
while tol>tol_li;
F_li20(i) = Fp_li+ks_li*(t_li20(i)-
tp_li)+psi_li*delta_li*log((psi_li*delta_li+F_li)/(psi_li*delta_li+Fp_li));
tol = F_li20(i)-F_li;
F_li = F_li20(i);
end
end
end
end
F_li5(1) = F_li20(end);
for i=2:length(t_li5);
F_li5(i) = F_li5(i-1)+(delta_t*w2);
end
figure
plot(T_limo,F_limo,'r','linewidth',2');
grid on;
%title('\itInfiltrazione cumulata F(t) per il terreno limoso');
xlabel('\itF [mm/h]');
ylabel('\itt [h]');
for i=1:length(F_limo);
f_limo(i) = ks_li*(((psi_li*delta_li)/F_limo(i))+1);
end
f_limo(1) = 20;
for i=1:length(f_limo);
if f_limo(i) <= pioggia_limo(i);
f_limo_real(i) = f_limo(i);
else
f_limo_real(i) = pioggia_limo(i);
end
end
figure
plot(T_limo,f_limo,'r','lineStyle','--','linewidth',2);
grid on;
hold on;
plot(T_limo,pioggia_limo,'b','linewidth',2');
plot(T_limo,f_limo_real,'g','lineStyle',':','linewidth',2');
%title('\itTassi di infiltrazione netti f(t) per il terreno limoso');
xlabel('\itF [mm/h]');
ylabel('\itt [h]');
legend('f','f reale','i','location','northeast');
axis([0 7 0 25]);
%% Argilla
tp_a = (ks_a*psi_a*delta_a)/(w*(w-ks_a));
Fp_a = w*tp_a;
for i=1:length(t_a20);
i_a20 = 20;
end
tol_a = w(1)/1000;
for i=1:length(t_a20);
if t_a20(i) < tp_a;
F_a20(i) = 0;
else if t_a20(i) == tp_a;
F_a20(i) = Fp_a;
else
tol = 1;
F_a = Fp_a+ks_a*(t_a20(i)-
tp_a)+psi_a*delta_a*log((psi_a*delta_a+Fp_a)/(psi_a*delta_a+Fp_a));
while tol>tol_a;
F_a20(i) = Fp_a+ks_a*(t_a20(i)-
tp_a)+psi_a*delta_a*log((psi_a*delta_a+F_a)/(psi_a*delta_a+Fp_a));
tol = F_a20(i)-F_a;
F_a = F_a20(i);
end
end
end
end
T_argilla = t_a20;
F_argilla = F_a20;
figure
plot(T_argilla,F_argilla,'r','linewidth',2');
grid on;
%title('\itInfiltrazione cumulata F(t) per il terreno argilloso');
xlabel('\itF [mm/h]');
ylabel('\itt [h]');
for i=1:length(F_argilla);
f_argilla(i) = ks_a*(((psi_a*delta_a)/F_argilla(i))+1);
end
f_argilla(1) = 20;
for i=1:length(f_argilla);
if f_argilla(i) <= pioggia_argilla(i);
f_argilla_real(i) = f_argilla(i);
else
f_argilla_real(i) = pioggia_argilla(i);
end
end
figure
plot(T_argilla,f_argilla,'r','lineStyle','--','linewidth',2);
grid on;
hold on;
plot(T_argilla,pioggia_argilla,'b','linewidth',2');
plot(T_argilla,f_argilla_real,'g','lineStyle',':','linewidth',2');
%title('\itTassi di infiltrazione netti f(t) per il terreno argilloso');
xlabel('\itF [mm/h]');
ylabel('\itt [h]');
legend('f','f reale','i','location','northeast');
axis([0 7 0 25]);
Parte 11
clc;
clear all;
close all;
%% parametri
f0 = 40;
f1 = 3;
k = 1.2;
w1 = 12;
w2 = 25;
t = [1:6];
i1 = [12 12 12 25 25 25];
i2 = [25 25 25 12 12 12];
figure
bar(t,i1,'b');
grid on;
%title('\itIetogramma caso I');
xlabel('\itd [h]');
ylabel('\iti [mm/h]');
axis([0 7 0 30]);
tp_1 = (1/(w1*k))*((f0-w1)-f1*log((w1-f1)/(f0-f1)));
for i=1:length(t_11);
i_11(i) = w1;
end
for i=1:length(t_12);
i_12(i) = w2;
end
i_1 = [i_11 i_12];
% infiltrazione potenziale
for i=1:length(t_11);
fcp_11(i) = f1+((f0-f1)*exp(-k*t_11(i)));
end
for i=1:length(t_12);
fcp_12(i) = f1+((f0-f1)*exp(-k*t_12(i)));
end
fcp_1 = [fcp_11 fcp_12];
% infiltrazione effettiva
for i=1:length(t_11);
if t_11(i)>tp_1;
f0_1 = w1;
fc_11(i) = f1+((f0_1-f1)*exp(-k*(t_11(i)-tp_1)));
else
fc_11(i) = w1;
end
end
for i=1:length(t_12);
if t_12(i)>tp_1;
f0_1 = w1;
fc_12(i) = f1+((f0_1-f1)*exp(-k*(t_12(i)-tp_1)));
else
fc_12(i) = w1;
end
end
fc_1 = [fc_11 fc_12];
% deflusso superficiale
for i=1:length(t_1);
def_1(i) = i_1(i)-fc_1(i);
end
figure
plot(t_1,i_1,'b','linewidth',2);
grid on;
hold on;
plot(t_1,fc_1,'r','linewidth',2);
plot(t_1,fcp_1,'g','lineStyle','--','linewidth',2);
%title('\itCaso 1: Confronto fra intensità pioggia e infiltrazione (effettiva e
potenziale)');
xlabel('\itt [h]');
ylabel('\ith [mm/h]');
legend('intensità','infiltrazione effettiva','infiltrazione
potenziale','location','northeast');
figure
plot(t_1,def_1,'linewidth',2);
grid on;
%title('\itCaso 1: Deflusso superficiale nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm/h]');
% pioggia
p_1 = t_11(end)*w1+(t_12(end)-t_12(1))*w2;
% pioggia infiltrata
plos_tp_1 = w1*tp_1;
plos_3_1 = f1*(t_11(end)-tp_1)+(((fc_11(1)-f1)/k)*(1-exp(-k*(t_11(end)-tp_1))));
plos_6_1 = f1*(t_12(end)-t_12(1))+(((fc_12(1)-f1)/k)*(1-exp(-k*(t_12(end)-
t_12(1)))));
plos_1 = plos_tp_1+plos_3_1+plos_6_1;
plos_gra_1 = [0 plos_tp_1 plos_3_1 plos_6_1];
for i=2:length(plos_gra_1)
plos_gra_1(i) = plos_gra_1(i)+plos_gra_1(i-1);
end
figure
plot(t_gra_1,plos_gra_1,'linewidth',2);
grid on;
%title('\itCaso 1: andametno del volume di acuqa infiltrato Fc(t) nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm]');
% deflusso superficiale
prus_tp_1 = (tp_1*w1)-plos_tp_1;
prus_3_1 = 3*w1-plos_gra_1(3);
prus_6_1 = p_1-plos_gra_1(4);
figure
plot(t_gra_1,prus_gra_1,'linewidth',2);
grid on;
%title('\itCaso 1: andametno del deflusso superficiale nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm]');
pnetta_1 = p_1-plos_1;
psi_1 = pnetta_1/p_1;
figure
bar(t,i2,'r');
grid on;
%title('\itIetogramma caso II');
xlabel('\itd [h]');
ylabel('\iti [mm/h]');
axis([0 7 0 30]);
tp_2 = (1/(w2*k))*((f0-w2)-f1*log((w2-f1)/(f0-f1)));
for i=1:length(t_21);
i_21(i) = w2;
end
for i=1:length(t_22);
i_22(i) = w1;
end
i_2 = [i_21 i_22];
% infiltrazione potenziale
for i=1:length(t_21);
fcp_21(i) = f1+((f0-f1)*exp(-k*t_21(i)));
end
for i=1:length(t_22);
fcp_22(i) = f1+((f0-f1)*exp(-k*t_22(i)));
end
fcp_2 = [fcp_21 fcp_22];
% infiltrazione effettiva
for i=1:length(t_21);
if t_21(i)>tp_2;
f0_1 = w2;
fc_21(i) = f1+((f0_1-f1)*exp(-k*(t_21(i)-tp_2)));
else
fc_21(i) = w2;
end
end
for i=1:length(t_22);
if t_22(i)>tp_2;
f0_1 = w2;
fc_22(i) = f1+((f0_1-f1)*exp(-k*(t_22(i)-tp_2)));
else
fc_22(i) = w2;
end
end
fc_2 = [fc_21 fc_22];
% deflusso superficiale
for i=1:length(t_2);
def_2(i) = i_2(i)-fc_2(i);
end
figure
plot(t_2,i_2,'b','linewidth',2);
grid on;
hold on;
plot(t_2,fc_2,'r','linewidth',2);
plot(t_2,fcp_2,'g','lineStyle','--','linewidth',2);
%title('\itCaso 2: Confronto fra intensità pioggia e infiltrazione (effettiva e
potenziale)');
xlabel('\itt [h]');
ylabel('\ith [mm/h]');
legend('intensità','infiltrazione effettiva','infiltrazione
potenziale','location','northeast');
figure
plot(t_2,def_2,'linewidth',2);
grid on;
%title('\itCaso 1: Deflusso superficiale nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm/h]');
% pioggia
p_2 = t_21(end)*w2+(t_22(end)-t_22(1))*w1;
% pioggia infiltrata
plos_tp_2 = w2*tp_2;
plos_3_2 = f1*(t_21(end)-tp_2)+(((fc_21(1)-f1)/k)*(1-exp(-k*(t_21(end)-tp_2))));
plos_6_2 = f1*(t_22(end)-t_22(1))+(((fc_22(1)-f1)/k)*(1-exp(-k*(t_22(end)-
t_22(1)))));
plos_2 = plos_tp_2+plos_3_2+plos_6_2;
for i=2:length(plos_gra_2)
plos_gra_2(i) = plos_gra_2(i)+plos_gra_2(i-1);
end
figure
plot(t_gra_2,plos_gra_2,'linewidth',2);
grid on;
%title('\itCaso 2: andametno del volume di acuqa infiltrato Fc(t) nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm]');
% deflusso superficiale
prus_tp_2 = (tp_2*w2)-plos_tp_2;
prus_3_2 = 3*w2-plos_gra_2(3);
prus_6_2 = p_2-plos_gra_2(4);
figure
plot(t_gra_2,prus_gra_2,'linewidth',2);
grid on;
%title('\itCaso 2: andametno del deflusso superficiale nel tempo');
xlabel('\itt [h]');
ylabel('\ith [mm]');
pnetta_2 = p_2-plos_2;
psi_2 = pnetta_2/p_2;