Fragility Curve Overtopping (bedlevel/fetch)

Voor het berekenen van een fragility curve voor het mechanisme GEKB wordt gebruikt gemaakt van de pydra_core module, meer documentatie over de pydra_core module is hier te vinden.

De module wordt gebruikt om een overslag debiet te berekenen op basis van bodemhoogtes, strijklengtes en de formule van Bretschneider(bedlevel/fetch) voor verschillende omstandigheden. Op basis hiervan wordt een fragility curve opgesteld.

from pathlib import Path

import matplotlib.pyplot as plt

from toolbox_continu_inzicht.fragility_curves import (
    ChangeCrestHeightFragilityCurveOvertoppingBedlevelFetch,
    FragilityCurveOvertoppingBedlevelFetch,
    ShiftFragilityCurveOvertoppingBedlevelFetch,
)

from toolbox_continu_inzicht.base.data_adapter import Config, DataAdapter

path = Path.cwd() / "data_sets" / "3.fragility_curve_overtopping_bedlevelfetch"
config = Config(
    config_path=path / "test_fragility_curve_overtopping_bedlevelfetch.yaml"
)
config.lees_config()
data_adapter = DataAdapter(config=config)

De volgende configuratie wordt gebruikt voor het maken van een GEKB curve

GlobalVariables:
    rootdir: "data_sets/3.fragility_curve_overtopping_bedlevelfetch" 
    moments: [-24,0,24,48]

    # default waardes, kunnen hier worden overschreven
    FragilityCurveOvertoppingBedlevelFetch:
        gh_onz_mu: 0.96 
        gh_onz_sigma: 0.27
        gp_onz_mu_tp: 1.03
        gp_onz_sigma_tp: 0.13
        gp_onz_mu_tspec: 1.03
        gp_onz_sigma_tspec: 0.13
        gh_onz_aantal: 7
        gp_onz_aantal: 7
        tp_tspec: 1.1
        lower_limit_coarse: 4.0
        upper_limit_coarse: 2.0
        upper_limit_fine: 1.0
        hstap: 0.05

DataAdapter:
    default_options:
        csv:
            sep: ","
    slopes:
        type: csv
        file: "slopes_5.csv"
    profiles:
        type: csv
        file: "profiles_new.csv"
    bedlevel_fetch:
        type: csv
        file: "bedlevelfetch_11.csv"
    fragility_curves:
        type: csv
        file: "fragility_curves_5.csv"

Er zijn drie verschillende data bestanden nodig.
Ten eerst een table met de informatie over de helling (slope) waarvoor de curve wordt afgeleid

data_adapter.input("slopes")

	profileid	slopetypeid	x	y	r
0	5	1	-12.59	10.76	1
1	5	1	0.00	14.63	1
2	5	2	-68.82	10.00	1
3	5	2	-12.59	10.76	1

Ten tweede informatie over de hoogte van de kruin, de oriëntatie, of er een dam is, maatgevende windsnelheid enz.

data_adapter.input("profiles")

	parameters	values
0	sectionid	11
1	crestlevel	14.63
2	orientation	167
3	dam	0
4	damheight	0
5	qcr	closed
6	windspeed	20
7	sectormin	180.0
8	sectorsize	90.0
9	closing_situation	0

Ten derde informatie over het bodemprofiel:

data_adapter.input("bedlevel_fetch").head(4)  # (ingekorte versie)

	sectionid	direction	bedlevel	fetch
0	11	22.5	10.39860	83.2947
1	11	45.0	10.06460	411.6820
2	11	67.5	9.52596	797.4780
3	11	90.0	9.18148	1078.2800

Deze informatie wordt mee gegeven aan de FragilityCurveOvertoppingBedlevelFetch voor het genereren van een curve

fragility_curve_overtopping = FragilityCurveOvertoppingBedlevelFetch(
    data_adapter=data_adapter
)
fragility_curve_overtopping.run(
    input=["slopes", "profiles", "bedlevel_fetch"],
    output="fragility_curves",
)

Deze curve kunnen we vervolgens weergeven:

fig, ax = plt.subplots()
fragility_curve_overtopping.as_dataframe().set_index("hydraulicload").plot(ax=ax)
ax.set_ylabel("Failure probability");

In sommige gevallen wil je een fragility curve ook aan kunnen passen, om dit mogelijk te maken zijn verschillende functie beschikbaar die het zelfde doen als de originele functie maar een kleine, door de gebruiker opgelegde, aanpassingen doen.
Zo verschuift de functie ShiftFragilityCurveOvertoppingBedlevelFetch de fragility curve met een effect.

shift_fragility_curve_overtopping = ShiftFragilityCurveOvertoppingBedlevelFetch(
    data_adapter=data_adapter
)
shift_fragility_curve_overtopping.run(
    input=["slopes", "profiles", "bedlevel_fetch"],
    output="fragility_curves",
    effect=0.5,
)

fig, ax = plt.subplots(1, 1)

# pas de namen van de kolommen aan voor de plot
df_overtopping = (
    fragility_curve_overtopping.as_dataframe()
    .set_index("hydraulicload")
    .rename(columns={"failure_probability": "original"})
)
df_overtopping_shift = (
    shift_fragility_curve_overtopping.as_dataframe()
    .set_index("hydraulicload")
    .rename(columns={"failure_probability": "shifted"})
)

# plotten
df_overtopping.plot(ax=ax)
df_overtopping_shift.plot(ax=ax, linestyle="--", label="shifted")
ax.set_ylabel("Failure probability");

Waar verschuiven een relatief simple nabewerking op de data is, kunnen aanpassingen aan de berekening zelf ‘on-the-fly’ plaatsvinden.
Zo kan als maatregel de kruinhoogte worden verhoogt, met de functie ChangeCrestHeightFragilityCurveOvertoppingBedlevelFetch is dit mogelijk.

change_crest_fragility_curve_overtopping = (
    ChangeCrestHeightFragilityCurveOvertoppingBedlevelFetch(data_adapter=data_adapter)
)

change_crest_fragility_curve_overtopping.run(
    input=["slopes", "profiles", "bedlevel_fetch"],
    output="fragility_curves",
    effect=0.5,
)

fig, ax = plt.subplots(1, 1)

# pas de namen van de kolom aan voor de plot
df_overtopping_change_crest = (
    change_crest_fragility_curve_overtopping.as_dataframe()
    .set_index("hydraulicload")
    .rename(columns={"failure_probability": "change crest"})
)

# plotten
df_overtopping.plot(ax=ax)
df_overtopping_change_crest.plot(ax=ax, linestyle="--")
ax.set_ylabel("Failure probability");