Probabilistic dam breach modelling using Bayesian inference

Dam breach models are commonly used to predict outflow hydrographs of potentially failing dams and are key ingredients for evaluating flood risks. This project proposes the use of advanced uncertainty quantification techniques to improve the reliability of flood-risk assessment in case of failure of earthen embankment dams.

The analysis of different categories of uncertainties is made possible by embedding the breach-model into a Bayesian multilevel framework. In particular, data available in the literature on historical dam failures were used to perform model inversion and refine uninformative prior knowledge.

The resulting posterior distributions show that uncertainty mostly lies in a relatively small subset of the model parameters, consisting of a residual error term and the breach erosion rate. This fully probabilistic approach to outflow hydrograph prediction has the potential to improve the overall quality and robustness of risk management of downstream flooding.

Dammbruchmodelle werden üblicherweise verwendet, um Abflussganglinien von möglicherweise versagenden Dämmen vorherzusagen. Sie sind wichtige Instrumente, um Hochwasserrisiken zu bewerten. In diesem Projekt wird die Verwendung von fortschrittlichen Verfahren zur Quantifizierung von Ungewissheiten vorgeschlagen, um die Zuverlässigkeit der Bewertung von Hochwasserrisiken beim Versagen von Erdschüttungsdämmen zu verbessern.

Die Untersuchung von verschiedenen Ungewissheitskategorien wird durch die Einbettung des Damm-Modells in ein Bayes’sches Multi-level Framework ermöglicht. Insbesondere wurden in der Literatur verfügbare Daten von historischen Dammbrüchen verwendet, um Modellkalibrierung durchzuführen und nicht-informative A-priori-Annahmen zu verfeinern.

Die resultierenden A-posteriori-Verteilungen zeigen, dass sich die Ungewissheit im Wesentlichen in einer relativ kleinen Teilmenge der Modellparameter befindet, die aus einem residualen Fehlerterm und der Brucherosionsrate besteht. Diese vollständig probabilistische Herangehens-weise an die Vorhersage von Abflussganglinien hat das Potential, die Gesamtqualität und Robustheit des Risikomanagements nachgelagerter Hochwasser zu verbessern.