2 Rijkswaterstaat RIZA Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal gevoeligheidsanalyse fase 1

L*jo'jO

Rijkswaterstaat RIZA Water infrastructuur milieu bouw

/ Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal gevoeligheidsanalyse fase 1

1

IIL'

lff ;/2

Witteveen-i-Bos van Twickelostraat 2 postbus 233 7400 AE Deventer telefoon 057069 79 ii telefax 0570 69 73 44

ii~= Lawamm water infrastructuur milivu bouw

Rijkswaterstaat RIZA

/ Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal gevoeligheidsanalyse fase 1

Witteveen+Bos van Twickelostraat 2

registratie

projectcode

status

S ECl/PAN H/rap.002

Rw761 .2

definitief

projectleider

projectdlrecteur

datum

Ir. F.H. Schulze

drs. M.P. Grimm

7 december 1999

autorisatie

naam

goedgekeurd

drs M.P. Grimm

0

J

paraat

Het kwaliteit management systeem van Witteveen+Bos is gecertltl ceerd volgens NENEN-ISO 9001 :1994

postbus 233 7400 AE Deventer teletoon 0570 69 79 II teletax 057069 73 44 © Witteveen+Bos Niets uit dit bestek/drukwerk mag worden verveelvoudigd en/of openbaar gemaakt door mlddet van druk, fotokopIe, mlcrotilm of op welke andere wijze dan ook zonder voorafgaande toestemming van Witteveen + Bos Raadgevende ingenieurs bv., noch mag het zonder een dergelijke toestemming worden gebruikt voor enig ander werk dan waarvoor het Is vervaardigd.

INHOUDSOPGAVE

blz.

INLEIDING 1.1. Aanleiding 12. Doelstelling 1.3. Globale werkwijze en projectaanpak 1.4. Software 1.5. Leeswijzer

1 1 1 1 4 4

GEGEVENS EN ACHTERGRONDEN 2.1. Inleiding 2.2. Beschikbare gegevens 2.3. Relevante factoren

5 5 5 6

METH000LOGIE VOOR DIMENSIE-REDUCTIE 3.1. Inleiding 3.2. Inventarisatie van de uitgangsgegevens 3.3. Correlatie-analyse 3.4. Factor-analyse 3.5. Kunstmatige Neurale Netwerken

9 9 9 10 10 11

CORRELATIE-ANALYSE 4.1. Inleiding 4.2. Correlaties 4.3. Conclusie

13 13 13 20

FACTOR-ANALYSE 5.1. Inleiding 5.2. Hoofdcomponenten 5.3. Conclusie

23 23 23 41

RELATIE VAARSNELHEID EN WATER- EN SEDIMENTBEWEGING NADER BESCHOUWD43 6.1. Inleiding 43 6.2. Globale analyse van het effect van de vaarsnelheid op wateren sedimentbeweging43 6.3. Conclusie 49 CONCLUSIES EN AANBEVELINGEN REFERENTIES

laatste bladzijde

bijlagen 1 Overzicht basisgegevens II Kunstmatige Neurale Netwerken III Pearson versus SPEARMAN IV Correlatie-analyse V Factor-analyse

Witteveen+Bos Rw761.2 Kunstmatige Neurale Netwreken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

51 53

53

aantal bladzijden 9 6 3 8 3

1. INLEIDING 1.1. Aanleiding

Rijkswaterstaat RIZA is bezig met onderzoek naar de invloed van scheepvaart op de uitwisseling van sediment tussen kribvakken langs de Waal en de Vaargeul. Aangezien dit een complex proces is, dat zich niet eenvoudig door een aantal fysische beschrijvingen laat verklaren, zijn in het verleden reeds enkele studies uitgevoerd ter verkenning van de mogelijkheden van kunstmatige neurale netwerken voor het verklaren van de relatie scheepvaart en sedimenttransport. Daaruit is gebleken dat toepassing van kunstmatige neurale netwerken mogelijkheden biedt om vragen te beantwoorden over de wateren sedimentbewegingen in kribvakken onder invloed van scheepvaart. In eerdere pilotstudies zijn diverse neurale netwerkmodellen gemaakt om de invloed van scheepspassages op de sedimenthuishouding van kribvakken in beeld te brengen. Daarmee is een beeld verkregen van de invoer en uitvoer van een neuraal netwerk dat de relatie tussen scheepvaart en sedimenttransport beschrijft. Voor één meetlocatie is vervolgens een gevoeligheidsanalyse uitgevoerd. Momenteel bestaat er behoefte om voor de overige meetlocaties ook een dergelijke gevoeligheidsanalyse uit te voeren. Aan de hand van de resultaten van deze gevoeligheidsanalyse moeten formules opgesteld worden die de relaties weergeven tussen invoer en uitvoer, zodanig dat er sterk vereenvoudigde en handelbare formuleringen ontstaan. Rijkswaterstaat heeft aan Witteveen+Bos Raadgevende ingenieurs b.v. gevraagd een projectvoorstel uit te brengen voor het uitvoeren van een gevoeligheidsanalyse naar de invloed Van scheepspassages op de sedimenthuishouding van kribvakken middels Kunstmatige Neurale Netwerken (brief met bijlage d.d. 5 augustus 1999). Deze brief met bijlage is opgenomen in bijlage 1. 1.2. Doelstelling

De doelstellingen van dit onderzoek zijn: het middels gevoeligheidsanalyses met de gemaakte modellen aftasten van de bijdrage van verschillende scheepstypen met verschillende passage karakteristieken aan de sedimentflux in kribvakken; het ontwikkelen van een formule die de relatie beschrijft tussen karakteristieken van passerende scheepvaart en de wateren sedimentbeweging in kribvakken. 1.3. Globale werkwijze en projectaanpak

In de afgelopen twee jaar is in kleine stappen, via uitbesteding, afgetast welke eigenschappen van scheepspassages het best kunnen worden gekoppeld aan welke eigenschappen van gemeten verschijnselen. Stap voor stap is het woud aan mogelijkheden ingeperkt. Uit een gevoeligheidsanalyse voor de resultaten van één meetlocatie blijkt dat met de invoer variabelen onder-water-volume en passage-afstand de zandopwerveling (= uitvoervariabele troebelheid) in het kribvak goed kan worden beschreven. Verwacht mag worden dat voor de uitvoervariabelen stroomsnelheid en transportflux deze relatie minder goed, maar nog steeds voldoende bevredigend, wordt vastgesteld. De verkenningen, die zich inzoomend op één meetlocatie in één kribvak zijn gaan richten, zijn nu voldoende ver doorgevoerd om de boven beschreven relatie tussen invoer en uitvoer voor meerdere locaties af te tasten. Dit zal gebeuren voor alle 5 meetlocaties in 2 kribvakken, te weten het kleine kribvak aan de zuidzijde en het grote aan de noordzijde uit de campagne van 1996. De gevoeligheidsanalyses richten zich op de invoervariabelen onder-water-volume, passage-afstand uit de oever en vaarsnelheid ten opzichte van de rivierafvoer en de uitvoervariabelen integraal van de troebelheidspiek over de tijd, maximale stroomsnelheid en sedimentflux. Op basis van de resultaten van deze gevoeligheidsanalyses zullen, indien mogelijk, formules worden opgesteld die de invoer aan de bijbehorende uitvoer relateren. Feitelijk worden zo de black box Neura-

Witteveen+Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

le Netwerken, via de hiermee uitgevoerde gevoeligheidsanalyses, omgezet in sterk vereenvoudigde en handelbare formuleringen. De relaties tussen in- en uitvoer zouden dan wel moeten kloppen met wat op de kribvakstranden (miniframes) is gemeten. De resultaten van de metingen uit 1997 in de bochten bij St. Andries zullen niet middels Neurale Netwerken worden gemodelleerd. Uit de analyses van de metingen uit 1997 is immers gebleken dat in de kribvakken in de bochten geen aantoonbaar andere processen optreden in relatie tot de scheepvaart dan in het recht traject van de Waal. De werkzaamheden voor het uitvoeren van de studie zijn opgesplitst in twee fasen en een aantal bijbehorende stappen (afbeelding 1.1.). fase 1: Dimensie-reductie Deze fase omvat het uitvoeren van de gevoeligheidsanalyses met de bestaande neurale netwerken en het reduceren van het aantal invoervariabelen als gevolg van onderlinge afhankelijkheden. Het primaire doel van deze fase is het kwantificeren van onderlinge afhankelijkheden tussen verklarende variabelen (invoervariabelen) zodat, indien mogelijk, een reductie kan worden uitgevoerd op de invoer. Een belangrijke reden voor het kwantificeren van onderlinge afhankelijkheden is om een optimale set onafhankelijke variabelen te selecteren waarbij het risico wordt geminimaliseerd dat een verkeert gewicht wordt toegekend aan een bepaalde variabele waardoor de representativiteit van het neurale netwerkmodel wordt ondermijnd. Technieken die zijn gebruikt zijn onder meer correlatie-analyse, factoranalyse en een analyse van neurale netwerkmodellen. fase 2: Modelberekeningen en procesvergelijkingen Deze fase omvat het herkalibreren van nieuwe neurale netwerken gebaseerd op de gereduceerde set uit fase 1. Vervolgens worden vereenvoudigde procesvergelijkingen afgeleid. Daarnaast wordt bekeken of samenvoeging van de procesvergelijkingen c.q. formuleringen mogelijk is en worden deze getest op de kribvakken 1 en 4 uit de meetcampagne van 1996. Het onderhavige rapport handelt primair over fase 1.

2

Witteveen+Bos Rw761.2 Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

Afbeelding 1 1. Schematische weergave projectaanpak

- bestaande neurale netwerken ligheids • vijf meetlokaties analyse - gevoeligheidsanalyses - gewichtenanalyses

1

- verklarende variabelen Dimensie- • reductie invoervariabelen reductie - dimensiereductie

Tussen- - tussenrapportage rapportage - voorstel reductie van variabelen

Start-overleg - bespreking resultaten fase 2 - afspraken over de esacte Inhoud van vervolgutappen

H rcaraie 1

nieuwe KNN

-

hercalibratie van gereduceerde neurale netwerken hervalidatie van gereduceerde neurale netwerken

Afleiding - analyse van gewichten proces- - afleiding vereenvoudigde procesvergelijkingen vergelijkingen - tussentijds overlegmoment om voorlopige resultaten te bespreken

Samenvoeging - samenhang tussen procesvergelijkingen testen - overeenkomsten en verschillen tussen procesvergelijkingen vergelijkingen - eventuele afleiding nieuwe vereenvoudigde vergelijkingen

Samenvatting - overzicht van eerder uitgevoerde studies op dit gebied overzicht • samenvattingen eerder uitgevoerde studies op dit gebied eerdere studies

L

RaPPort]


1.4. Software De analyses en modelleringen zijn uitgevoerd met het software pakket SPSS 9.0, Visual Basic 5.0, Neural Connection 2.1 en NeuralWorks Professional 11/Plus. 1.5. Leeswijzer De resultaten van de onderhavige studie zijn in het rapport in chronologische volgorde weergegeven. In hoofdstuk 2 worden de beschikbare meetgegevens met bijbehorende achtergronden en invloedrijke factoren c.q. variabelen geïnventariseerd en gecontroleerd. In hoofdstuk 3 worden de gehanteerde methoden en technieken voor dimensie-reductie kort toegelicht. De resultaten van de correlatie-analyse, factor-analyse en relatie vaarsnelheid met wateren sedimentbeweging worden weergegeven in respectievelijk hoofdstuk 4, 5 en De rapportage besluit met een samenvattende conclusie en aanbevelingen in hoofdstuk

4


2. GEGEVENS EN ACHTERGRONDEN 2.1. Inleiding

Het RIZA is bezig met een onderzoek naar de invloed van scheepvaart op de Waal op de uitwisseling van sediment (zand) tussen kribvakken langs de Waal en de Vaargeul. Het veldmeetprogramma is in de maanden juni en juli 1996 uitgevoerd (Ten Brinke et al, 1999 en Kruyt, 1997). Tijdens deze periode is een groot aantal gegevens over wateren sedimentbeweging en scheepvaart verzameld. Tijdens deze metingen zijn zowel de karakteristieken van alle schepen, als het effect van deze passages op wateren sedimentbeweging aan de oever geregistreerd. Deze dataset biedt de mogelijkheid om, middels kunstmatige neurale netwerken, relaties te leggen tussen scheepvaart en de sedimentbeweging in kribvakken. Het relevante veldoriderzoek, voor de onderhavige studie, is uitgevoerd in twee kribvakken langs de Waal. Het betreft een klein kribvak aan de zuidoever van de Waal bij Druten en een groot kribvak aan de noordoever van de Waal bij Ochten. Beide kribvakken liggen tegenover elkaar en aan een min of meer recht stuk rivier. Per kribvak zijn metingen verricht met zowel een groot meetframe, verder aangeduid als grote frame, en een tweetal min of meer mobiele mini meetframes, verder aangeduid als miniframes. In totaal gaat het om 5 situaties, te weten: metingen afkomstig van het grote frame in het kleine kribvak (RF2), metingen afkomstig van de miniframes in het kleine kribvak (MF2), metingen afkomstig van het grote frame in het grote kribvak (RF3), metingen afkomstig van de miniframes in het grote kribvak nabij de benedenstroomse krib (MF3) en metingen afkomstig van de miniframes midden in het grote kribvak (MF3m). In dit hoofdstuk zijn de beschikbare gegevens en relevante factoren nader beschreven. Naast een overzicht van relevante factoren is in dit hoofdstuk ook in het kort relevante achtergrondinformatie opgenomen ten aanzien van de formule van Hochstein en de afgeleide zandflux. Voor verdere achtergronden ten aanzien van de meetgegevens, meetlocaties, diverse basis statistische technieken, Kunstmatige Neurale Netwerken, theorieën, enz. wordt verwezen naar het rapport "Kunstmatige Neurale Netwerken kribvakken Waal fase 1 en 2" (Schulze, 1998). 2.2. Beschikbare gegevens

Het veldmeetprogramma is in de maanden juni en juli 1996 uitgevoerd (Ten Brinke et al, 1999 en Kruyt, 1997). Tijdens deze periode is een groot aantal gegevens over wateren sedimentbeweging, en scheepvaart verzamelt. Het veldonderzoek is uitgevoerd in kribvakken langs de Waal bij Druten (zuidoever) en Ochten (noordoever) (Ten Brinke et al, 1999 en Kruyt, 1997). Het betreft metingen uit de periode:

Week 1 Week 2 Week 3 Week 4 Extra

periode

kribvak

kribafstand

18 t/m 21juni 24 t/m 27 juni 1 t/m 4 juli 8 t/m 10 juli 12 iuli

Zuidoever Zuidoever Noordoever Noordoever Zuidoever

250 m 100 m 200 m 200 m 250 m


5

Voor de kwantificering van sedimentbeweging in kribvakken onder invloed van scheepvaart op de Waal en de gehanteerde meetmethoden en meettechnieken wordt verwezen o.a. naar het rapport van het Instituut voor Manen en Atmosferisch Onderzoek Utrecht en een recent verschenen artikel "Erosion of sediments between groynes in the Waal River due to navigation traffic." (Ten Brinke et al, 1999 en Kruyt, 1997). Het Instituut voor Manen en Atmosfenisch Onderzoek Utrecht en Rijkswaterstaat/RIZA hebben voor de analyse bij iedere scheepsbeweging één serie karakteristieken van wateren sedimentbeweging weten te kwantificeren. Dit wil zeggen dat uit de 2 Hertz (Hz) meetsignalen per scheepspassage één getal is afgeleid voor respectievelijk stroming, waterdruk en sedimentconcentratie. Gelijktijdig zijn een aantal karakteristieken genoteerd zoals tijdsduur van de scheepspassage, diepte van het schip, breedte van het schip, lengte van het schip, gemodificeerde scheepsbreedte, snelheid van het schip ten opzichte van de oever, snelheid van het schip ten opzichte van de rivierafvoer, vaarrichting van het schip, afstand van het schip tot aan de kribkop ofwel passage-afstand, onderwater volume van het schip, natte rivierdoorsnede en natte dwarsdoorsnede van het schip. 2.3. Relevante factoren

De beschikbare gegevens kunnen worden opgedeeld in een aantal verklarende variabelen en een aantal te verklaren variabelen. De zogenaamde te verklaren variabelen ofwel de waar genomen wateren sedimentbeweging kunnen veelal worden verklaard door invloedrijke scheepskaraktenistieken van passerende schepen ofwel de zogenaamde verklarende variabel en. verklarende variabelen

De verklarende variabelen uit genoteerde scheeps- en rivierkarakteristieken. Bij vorige studies is reeds bepaald welke karakteristieken gehanteerd moeten worden om het verband tussen scheepskarakteristieken en wateren sedimentbeweging optimaal te kunnen weergeven (Schulze, 1997 en 1998). De combinatie van parameters om scheepskarakteristieken te relateren aan wateren sedimentbeweging bestaat uit de volgende verklarende variabelen: dt (S); tijdsduur passage 1(m); scheepslengte d (m); diepte schip Ac (m 2 natte rivierdoorsnede Am (m 2 natte dwarsdoorsnede van het schip Us (mis); vaarsnelheid schip ten opzichte van de rivierafvoer b' (dimensieloos); gemodificeerde scheepsbreedte X (m). afstand uit de oever (vanaf kribkop)

-

-

-

-

-

);

);

-

-

-

Omdat de miniframes op verschillende locaties in het kribvak hebben gestaan zijn naast bovenstaande variabelen voor de miniframes nog twee gebiedsvariabelen meegenomen. 1,2,3 of 4; - gebiedsvariabele meetlocatie waarbij: 1 = benedenstrooms, rivierwaarts 2 = midden kribvak, rivierwaarts 3 = benedenstrooms, oeverwaarts 4 = midden kribvak, oeverwaarts Gh (m). - gebiedsvariabele waterstand bij het frame

6

Witteveen+Bos Rw761.2 Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief dd. 7 december 1999

te verklaren variabelen Bij vorige studies is reeds aangetoond en aangegeven welke factoren het best verklaard kunnen worden (Schulze, 1997 en 1998). Drie uit metingen afgeleide of berekende parameters dienen als te verklaren uitvoerparamete rs: maximale stroomsnelheid tijdens scheepspassage in meter per seconde (mis), in het vervolg aangeduid als EMF; de integraal over de troebelheidsregistratie gedurende de passage in gram maal tijdseenheid per Iiter((g*t)Il), in het vervolg aangeduid als OBS; de zandflux per strekkende meter in kilogram per meter (kglm), in het vervolg aangeduid als FLUX. -

-

-

De afbeeldingen in bijlage 1 geven voor elk frame respectievelijk de gemeten of gerealiseerde OBS, EMF en FLUX weer voor alle gecontroleerde waargenomen scheepspassages met bijbehorende statistische kenmerken als gemiddelde, standaarddeviatie en aantal passages. Ondanks de uitgevoerde controles op de gegevens in eerdere studies (Schulze, 1997 en 1998) lijken er nog steeds enkele passages voor te komen die resulteren in extreem hoge meetsignalen of juist extreem lage meetsignalen wat mogelijk zou kunnen duiden op meetonnauwkeurigheden. Er is echter vooralsnog geen aanwijzing te vinden deze extremen te isoleren en niet mee te nemen in de ontwikkeling van de modellen. Wel moet rekening worden gehouden dat deze extremen mogelijk van invloed kunnen zijn op de uiteindelijke validatie en kalibratie omdat ze mogelijk niet duidelijk gerelateerd kunnen worden aan scheepskarakteristieken van passerende schepen en derhalve door de betreffende modellen beschouwd worden als niet te verklaren metingen ofwel ruis genoemd. theoretische achtergronden OBS, EMF In de literatuur bestaat reeds een vergelijking die het verband weergeeft tussen scheepskarakteristieken en de opgewekte retourstroomsnelheid bij de boot (Hochstein en Adams, 1989): de zogenaamde formule van Hochstein. Door Bhowmik et al. (1995) volgt een afleiding voor een vertaling van de retourstroomsnelheid bij de boot naar de gemiddelde retourstroomsnelheid aan de oever of normaallijn. Tenslotte wordt door het Waterloopkundig Laboratorium/WL een vertaling afgeleid die de stroomsnelheid in het kribvak weergeeft t.o.v. de stroomsnelheid bij de normaallijn (Waterloopkundig Laboratorium, 1991). Door de drie bovenstaande formuleringen te combineren en te integreren ontstaat een uitbreiding op de formule van Hochstein, waarmee de stroomsnelheid in het kribvak wordt gerelateerd aan de karakteristieken van de passerende schepen. De uitbreiding van de formule van Hochstein behelst: =

Stroom:

*Us*

Ac

1.25

'\

—1

~ Ac—Am ~

*b'+s1

)

Op basis van de bovenstaande relatie (vergelijking 1) kan tevens een eerste indicatie worden verkregen van de relatie voor de concentratie opgewerveld zand (vergelijking 2) en de waterstandsdaling (vergelijking 3). Concentratie:

3. Druk:

JOBS =

*Us* Ac 1 l\ Ac—Am)

1.25

(

—1 *b'+ s

Ac JdH X =-\JADRUK = r *Us *[

1.25

_1*b'+ s3


7

met Us = vaarsnelheid schip ten opzichte van de rivierafvoer (mis); Ac = natte rivierdoorsnede (m 2); Am = natte dwarsdoorsnede van het schip (m 2); b' = gemodificeerde scheepsbreedte (dimensieloos); r = constante; S = constante; a piekstroomsnelheid in het kribvak (m/s); OBS = integraal over de troebelheidsregistratie gedurende de passage lit er((g *t)il) ; ADRUK = maximale waterstandsdaling tijdens scheepspassage, dH, (m). Voor de zandconcentratie is hiervoor de aanname gedaan dat deze direct kan worden gerelateerd aan de schuifspanning, terwijl de schuifspanning is gerelateerd aan het kwadraat van de snelheid. De waarde voor de integraal over de troebelheidsregistratie (OBS) is hiermee gerelateerd aan de waarde voor de piekstroomsnelheid in het kwadraat. Voor de waterstandsdaling is de aanname gedaan dat deze gerelateerd is aan t2 /g, volgens de vergelijking van Bernoulli, en daarmee dus eveneens aan het kwadraat van de piekstroomsnelheid (Ten Brinke, 1999). theoretische achtergronden FLUX De uitvoervariabele transportflux, te berekenen volgens vergelijking (6) in Ten Brinke et al. (1999), is echter op een andere manier geschat dan de gehanteerde transportflux uit de haalbaarheidstudie. = piekeind

(U11 4. Zandflux:

,,

X

Ciiüern

x 0.34)

q1 = r=pekbegtn = piekeinde

= piekbegin

Met hierin 't = piekbegin' en 't = piekeinde' gedefinieerd als respectievelijk begin en eind tijdstip van een troebelheidpiek als gevolg van een scheepspassage. Utiø cm en °tlOcm Zijfl respectievelijk de waargenomen stroomsnelheid en de waargenomen sedimentconcentratie op tijdstip t, 10 cm boven het rivierbed. In de voorgaande haalbaarheidstudies was de flux het product van stroomsnelheid, sedimentconcentratie en waterdiepte (= druk). In bovenstaande definitie voor de zandflux is de waterdieptevariabele veranderd in een constante waarde van 0.34. Er wordt dus verondersteld dat het zandtransport over een diepte van 0.34 meter boven de bodem plaatsvindt, en dat de gemiddelde waarde voor concentratie en stroomsnelheid over deze 34 cm wordt gemeten op een niveau van 20 cm boven de bodem. Voor een onderbouwing van deze aanname zie Ten Brinke et al. (1998 en 1999).

8


3. METH000LOGIE VOOR DIMENSIE-REDUCTIE 3.1. Inleiding Afbeelding 3.1. Methodologie voor dimensie-reductie

Inventarisatie

Data-acquisitie ______ Box-Whiskerplots Kentallen Data-selectie

correlatie- Lineaire samenhang analyses Dimensie-reductie

Factor- - Toetsen op samenhang analyse - Dimensie-reductie

- Factoranalyse of gevoeligheidsanalyse

KNN - Dimensie-reductie

Vergelijken - ( On)afhankelijke variabelen Reductie - Stroomopwaarts, stroomafwaarts en alle richtingen

De voor deze studie gevolgde methodologie wordt globaal weergegeven in afbeelding 3.1. De verschillende onderdelen van het onderzoek worden hieronder nader uitgewerkt. 3.2. Inventarisatie van de uitgangsgegevens

De aangeleverde meetgegevens zijn globaal geïnventariseerd en op fouten gecontroleerd (zie hoofdstuk 2) door het maken van: - Box-Whisker-plots. Met behulp van dit grafische hulpmiddel is een globale indruk ver kregen van de verdeling van de gegevens en van het voorkomen van significante uitschieters of afwijkingen. Van geconstateerde afwijkingen is nagegaan of het (waarschijnlijk) fouten in het gegevensbestand betrof. Als dat het geval was, is de waarneming verwijderd. Een Boxplot is in feite een min of meer grafische presentatie van een aantal elementaire statistische kentalten zoals, mediaan (aangegeven door een zwarte balk), kwartiel (aangegeven met box), maximum, minimum, extremen (aangegeven met

Witteveen+Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken Langs de Waal definitiet d.d. 7 december 1999

9

rondje) en potentiële uitbijters (aangegeven met een asterix). Extremen zijn waarnemingen die tussen 1.5 â 3 keer de grootte hebben van de box en potentiële uitbijters zijn waarnemingen die meer dan 3 keer de grootte hebben dan de box. Zie ook Kunstmatige Neurale Netwerken kribvakken Waal (Schulze, 1998). Passage-plots. Met deze toepassing zijn hiaten in de waarnemingsreeksen, reekslengten e.d. grafisch in beeld gebracht (bijlage 1). De beschikbare data zijn gekarakteriseerd aan de hand van een aantal statistische kentalen zoals het aantal beschikbare waarnemingen, aantal ontbrekende waarnemingen, gemiddelde, standaardfout van het gemiddelde, mediaan, standaarddeviatie, variantie, skewness, standaardfout van skewness, kurtosis, standaardfout van kurtosis, bereik, minimum, maximum, som, 25%, 50% en 75% percentielen. De kentallen gemiddelde, mediaan en som geven de centraliteitskarakteristieken van een reeks weer. De standaarddeviatie, variantie, bereik, minimum, maximum en standaardfout van het gemiddelde zijn statistische kentallen die informatie geven omtrent de spreiding in een reeks. De Skewness en Kurtosis zijn verdelingsmaten en geven een indicatie van de mate van deviatie of overeenkomst met de normale verdeling. Om een reeks te karakteriseren wordt vaak gebruik gemaakt van het gemiddelde of de mediaan. Het gemiddelde is de meest gebruikte centrummaat. Bij een zeer asymmetrische frequentieverdeling kan de waarde van het gemiddelde echter sterk afhankelijk zijn van de grootste of de kleinste waarneming (extremen of uitschieters). Om reeksen te karakteriseren verdient het soms de aanbeveling de mediaan hiervoor te gebruiken omdat deze nagenoeg ongevoelig is voor extreme waarnemingen (bijlage 1). De onderlinge samenhang tussen diverse verklarende invoervariabelen per kribvak en per meetframe is mogelijk afhankelijk van de richting die schepen varen en de bijbehorende passage-afstand. Om deze effecten nader te kunnen beschouwen zijn de data ingedeeld in drie nader te onderzoeken datasets, te weten een dataset met enkel schepen die stroomopwaarts varen, een dataset die enkel uit schepen bestaat die stroomafwaarts varen en een dataset waarbij beide richtingen vertegenwoordigd zijn. Om over voldoende data te kunnen beschikken, zijn de datasets die zijn opgesplitst naar richting alle schepen opgenomen (alle lengten). Hierbij is voor een enkele dataset, die wel over voldoende gegevens beschikt, ook gekeken naar het effect van de scheepslengte. In de dataset met de schepen in beide vaarrichtingen zijn schepen die korter zijn dan 60 meter verder buiten beschouwing gelaten. Een onderbouwing van deze keus wordt gegeven in (Schulze, 1997). Voor de bijbehorende statistische kentallen wordt verwezen naar bijlage 1. 3.3. Correlatie-analyse

Het primaire doel van de correlatie-analyse is om inzicht te krijgen in samenhang tussen invoervariabelen (scheepskarakteristieken en wateren sedimentbeweging) en derhalve in de representativiteit, nut/noodzaak van het meenemen van bepaalde invoervariabelen. Om samenhang tussen twee of meerdere variabelen te kunnen visualiseren en te kwantificeren zijn diverse methoden toegepast zoals correlaties, spreidingsdiagrammen en Boxplots. De berekende correlaties tussen variabelen zijn allen getoetst op hun significantie. Significante samenhangende variabelen kunnen mogelijk worden gereduceerd tot één variabele in het model. De berekende correlaties kunnen grafisch worden ondersteund door middel van spreidingsdiagrammen en Boxlots waarbij twee variabelen tegen elkaar worden uitgezet. De mate waarop de twee betreffende variabelen op één rechte lijn liggen bepaalt de hoogte van de lineaire correlatie c.q. samenhang tussen de twee variabelen. 3.4. Factor-analyse

Factor-analyse is een methode om zoveel mogelijk invoervariabelen als functie van elkaar te schrijven. Het aantal factoren dat nodig is om de gehele data-set (invoer) te kunnen beschrijven in termen van verklaarde variantie is een maat voor het aantal onafhankelijk variabelen dat uit de totale set aan invoervariabelen kan worden gedestilleerd. Elke invoervaria-

10


bele vertegenwoordigt een zeker percentage verklaarde variantie voor elke min of meer onafhankelijke factor. Zo kan voor elke factor een cluster van invoervariabelen worden onder scheiden die voor die betreffende factor de meeste variantie verklaart. Variabelen binnen zon cluster corresponderen veelal met een bepaalde fysische en statistische samenhang of overlap (bijvoorbeeld lengte, breedte , diepte of mogelijk snelheid ten opzichte van de oever, snelheid ten opzichte van de afvoer). Door binnen elke factor een representatieve variabele of variabelen te kiezen die het meest correleert met OBS, EMF en FLUX is een dimensiereductie uitgevoerd in het aantal invoervariabelen. De resultaten zijn vervolgens vergeleken met de resultaten uit de correlatie-analyse. 3.5. Kunstmatige Neurale Netwerken

In de vorige studie zijn vijf multivariatie niet-lineaire neurale netwerkmodellen gemaakt om scheepskarakteristieken van passerende schepen te relateren aan de waargenomen wateren sedimentbeweging in twee kribvakken op de Waal nabij Druten (zuidzijde) en Ochten (noordzijde) (Witteveen+Bos, 1998). Elk model heeft drie uitvoervariabelen, te weten: integraal over de troebelheidsregistratie gedurende de passage (OBS), de maximale stroomsnelheid tijdens scheepspassage (EMF) en de sedimentflux (FLUX). Daarnaast heeft elk model de volgende invoervariabelen: tijdsduur van de scheepspassage, diepte van het schip, lengte van het schip, gemodificeerde scheepsbreedte, snelheid van het schip ten opzichte van de rivierafvoer, afstand van het schip tot aan de kribkop ofwel passageafstand, natte rivierdoorsnede en natte dwarsdoorsnede van het schip. Voor de miniframes zijn naast bovenstaande invoervariabelen nog twee extra gebiedsvariabelen meegenomen, te weten: meetlocatie en de waterstand bij het frame. De betreffende modellen zijn zo geconstrueerd dat voor elke invoervariabele een relatieve bijdrage kan worden geschat in het verklaren van OBS, EMF en FLUX. Deze relatieve bijdragen geven een globaal overzicht van invoervariabelen die voor de betreffende modellen het beste gerelateerd kunnen worden aan de uitvoer (lineair of niet-Iineair). Hierbij dient wel rekening te worden gehouden met het feit dat er sprake is van onderlinge samenhang zodat het risico bestaat dat het model verkeerde gewichten toekent aan bepaalde variabelen. De resultaten hiervan moeten dan ook met enige terughoudendheid worden geïnterpreteerd. Naast het meenemen van alle variabelen is een zelfde analyse uitgevoerd op de gereduceerde datasets afkomstig van de correlatie-analyse en de factor-analyse. Zo ontstaat een totaalbeeld waarbij het mogelijk is een zo goed mogelijke dataset en een zo onafhankelijk mogelijke variabelenset samen te stellen die kunnen worden gebruikt voor verdere gevoeligheidsanalyses en bij het opstellen van mogelijke procesvergelijkingen. Voor achtergronden omtrent Kunstmatige Neurale Netwerken wordt verwezen naar bijlage II.


11

4. CORRELATIE-ANALYSE 4.1. Inleiding

De correlatie-analyse is om inzicht te krijgen in samenhang tussen invoervariabelen (scheepskarakteristieken en wateren sedimentbeweging) en derhalve in de representativiteit, nut/noodzaak van het meenemen van bepaalde invoervariabelen. Om samenhang tussen twee of meerdere variabelen te kunnen visualiseren en te kwantificeren zijn diverse methoden toegepast zoals correlaties, spreidingsdiagrammen en Boxplots. De berekende correlaties tussen variabelen zijn allen getoetst op significantie. Vanwege het feit dat de data over het algemeen niet normaal verdeeld is, is de voorkeur gegeven aan de verdelingsvrije spearman rangcorrelatie methode (zie voor toelichting bijlage III) boven de Pearson correlatie. De spearman methode bestaat in eerste instantie uit een toets op significantie van correlatie. Ook kan er, net zoals met de Pearson methode, een kwantitatieve maat voor de samenhang gegeven wor den. Het grote verschil tussen deze twee methoden is dat de spearman methode relatieve, zogenaamde rangwaarden gebruikt in plaats van absolute waarnemingen. Dit betekent dat de spearman methodiek niet afhangt van de achterliggende verdeling van de data. De spearman methode wordt daarom ook wel een verdelingsvrije methode genoemd. Deze methode heeft als basis dat waarden van x, die paarsgewijze bij die van y behoren, door rangnummers naar opklimmende grootte van x vervangen worden. Hetzelfde gebeurt met de waarden van y. Noemen we de rangnummers van de x'-en r, en van de y's s i dan krijgen we dus paren rangnummers 4.2. Correlaties De tabellen lV.1 tot en met lV.15 in bijlage IV geven de uitkomsten weer van de correlatieberekeningen, de betreffende significantie van de correlaties en het aantal gemeenschappelijke waarnemingen. De volgende criteria zijn gehanteerd om, aan de hand van de berekende correlaties, voor elk kribvak en elke locatie de meest significant samenhangende invoervariabelen te traceren. Twee groepen kunnen worden onderscheiden, te weten: Hoge significante corre/aties. Invoervariabelen die significant samenhangen hebben een significante correlatie tussen 0.50 en 1.00. Minder hoge significante correlaties. Invoervariabelen die significant met elkaar zijn ge-

correleerd maar waarbij de significante correlatie lager is dan 0.50. Elke berekende correlatie is getoetst op significantie. De significantie van een correlatie is gebaseerd op het aantal, gemeenschappelijke, waarnemingen c.q. data waarop de correlatie is gebaseerd. Een zeer hoge correlatie van 0.9 hoeft namelijk niet significant te zijn indien deze is gebaseerd op zeer weinig aantal gegevens terwijl een relatief lage correlatie van bijvoorbeeld 0.3 significant kan zijn indien deze is gebaseerd op een voldoende aantal gegevens. Bij elke berekende correlatie is aangegeven hoe significant de betreffende correlatie *fl aan dat de correlatie significant is bij een 95% betrouwbaarheid en is. Hierbij geeft aan dat de correlatie significant is bij 99% betrouwbaarheid. Alle overige zijn niet significant.


13

kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen langer dan 60m Vijf clusters met samenhangende invoervariabelen kunnen worden onderscheiden. Het blijkt dat alle scheepsafmetingen zoals lengte, breedte, diepte, onder-water-volume, natte dwarsdoorsnede schip en de gemodificeerde scheepsbreedte significant met elkaar samenhangen. Ook de karakteristieken snelheid ten opzichte van de oever en de snelheid ten opzichte van de afvoer blijken significant samen te hangen. De richting, afstand en de natte dwarsdoorsnede van de rivier kunnen afzonderlijk worden beschouwd omdat deze niet duidelijk samen hangt met andere invoervariabelen. Het bovenstaande suggereert dat vijf onafhankelijke variabelen kunnen worden samengesteld die representatief zijn voor elke cluster respectievelijk het onder-water-volume of een andere variabele uit de betreffende cluster als representant voor de scheepsaf metingen, snelheid ten opzicht van de rivierafvoer als representant voor de vaarsnelheid, de richting voor de vaarrichting, de afstand voor de passageafstand van het schip en de natte dwarsdoorsnede van de rivier voor rivierkarakteristiek. De vaarrichting van het schip is nauw gecorreleerd met de afstand. Voor een gevoeligheidsanalyse dient telkens één van beide constant te worden gehouden. Om een inschatting te krijgen of een opsplitsing naar richting tot verbetering kan leiden is tevens de maximaal haalbare Iineaire correlatie berekend tussen invoervariabelen en elke uitvoervariabele op basis van bovenstaande onafhankelijke variabelen (tabel 4.1.). Tabel 4.1. Maximale lineaire correlaties RF2 alle schepen langer dan 60m uitvoer

OBS EMF FLUX

richting onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer de rivier

-028 ** 023 ** ()021** 056 ** 028** 053** - - - -0.18 * - (-'0.23 ** - -0.18 **

kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen die stroomopwaarts varen In dit geval kunnen vier clusters met samenhangende invoervariabelen worden onderscheiden. Het blijkt dat, net als bij de vorige analyse, alle scheepsafmetingen zoals lengte, breedte, diepte, onder-water-volume, natte dwarsdoorsnede schip en de gemodificeerde scheepsbreedte significant met elkaar samenhangen. De variabele richting is nu constant en telt niet meer mee. De karakteristieken snelheid ten opzichte van de oever en de snelheid ten opzichte van de afvoer blijken significant samen te hangen. Zowel de passageafstand als de natte dwarsdoorsnede van de rivier kunnen afzonderlijk worden beschouwd omdat deze niet duidelijk samen hangen met andere invoervariabelen. Het bovenstaande suggereert dat vier onafhankelijke variabelen kunnen worden samengesteld die representatief zijn voor elke cluster, respectievelijk het onder-water-volume als representant voor de scheepsafmeting, snelheid ten opzicht van de rivierafvoer als representant voor snelheid, de afstand als representant voor de afstand van het schip tot de kribkop en de natte dwarsdoorsnede van de rivier. Tabel 4.2. geeft een overzicht van de maximaal haalbare lineaire correlaties tussen invoervariabelen en elke uitvoervariabele op basis van bovenstaande onafhankelijke variabelen. Tabel 4.2. Maximale correlatie RF2 opwaarts (inclusief schepen korter dan 60m) uitvoer

onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume

OBS EMF FLUX

14

voer

de rivier

037** ()028** 058** - 0 . 55** - 0 . 19* - -


kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen die stroomafwaarts varen

Vier clusters met samenhangende invoervariabelen kunnen worden onderscheiden. Het blijkt dat, net als bij de vorige analyse, alle scheepsaf metingen zoals lengte, breedte, diepte, onder-water-volume, natte dwarsdoorsnede schip en de gemodificeerde scheepsbreedte significant of redelijk significant met elkaar samenhangen. Het blijkt echter dat de diepte van het schip duidelijk minder sterk is gecorreleerd met lengte, breedte en de gemodificeerde scheepsbreedte dan dat in de twee voorgaande gevallen het geval is. De variabele richting is constant en telt niet mee. De karakteristieken snelheid ten opzichte van de oever en de snelheid ten opzichte van de afvoer zijn significant met elkaar gecorreleerd. Net als bij stroomopwaarts varende schepen kunnen zowel de passage-afstand als de natte dwarsdoorsnede van de rivier afzonderlijk worden beschouwd omdat deze niet duidelijk samen hangen met andere invoervariabelen. Net als bij stroomopwaarts varende schepen suggereert het bovenstaande dat vier onafhankelijke variabelen kunnen worden samengesteld die representatief zijn voor elke cluster, respectievelijk het onder-water-volume of evt. een andere variabele uit dezelfde cluster als representant voor de scheepsafmeting, snelheid ten opzicht van de rivierafvoer als representant voor snelheid, de afstand als representant voor de afstand van het schip tot de kribkop en de natte dwarsdoorsnede van de rivier. Tabel 4.3. geeft een overzicht van de maximaal haalbare lineaire correlaties tussen invoervariabelen en elke uitvoervariabele op basis van bovenstaande onafhankelijke variabelen. Tabel 4.3. Maximale correlatie RF2 afwaarts (inclusief schepen korter dan 60m) uitvoer

onder-water- snelheid Lov. de af- natte dwarsdoorsne- afstand de rivier volume voer

OBS EMF FLUX

052** 024** - - ()0 . 17* 048** .022* - ()020* - -

kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen langer dan 60m Tabel 4.4. Maximale lineaire correlaties MF2 alle schepen langer dan 60m uitvoer richting locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand de rivier volume voer

OBS - 017** 023** - EMF 016** 061** - - FLUX 0.094 * 0 . 45** 0 . 14** -

011 - .0 . 10*

-

Zes ciusters kunnen worden gedefinieerd waarbij moet worden aangegeven dat de vaarrichting van het schip nauw is gecorreleerd met de afstand. Voor een gevoeligheidsanalyse dient telkens één van beide constant te worden gehouden. Cluster 1: richting; Cluster 2: locatie; Cluster 3: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 4: Cluster 5: natte dwarsdoorsnede rivier; en Cluster 6: passage-afstand.

Witteveen-4-Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7december1999

15

kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen die stroomopwaarts varen Tabel 4.5. Maximale lineaire correlaties MF2 opwaarts (inclusief schepen korter dan 60m) uitvoer

locatie

OBS EMF FLUX

021** 058** 045 **

onder-water- snelheid to.v. de af- natte dwarsdoorsne- sfstand volume voer

027** 013* - 0 . 23** - -

de rivier -

-

**

-

034

-

0 . 22**

Vijf clusters kunnen worden gedefinieerd. Cluster 1: locatie; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand.

kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen die stroomafwaarts varen Tabel 4.6. Maximale lineaire correlaties MF2 afwaarts (inclusief schepen korter dan 60m) uitvoer locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer

OBS 021** 019' - EMF 065** - - FLUX 0 . 50** - -

de rivier

012* 020** 0i8** -


grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen langer dan 60m Tabel 4.7. Maximale lineaire correlaties RF3 alle schepen langer dan 60m uitvoer

richting onder-water-

volume

OBS EMF FLUX

-0.38 ** 0.42 ** -

-

-

0.19

snelheid t.o.v. de af- natte dwarsdoorsne- afstand

voer

de rivier

() 0.49

-

0 . 37**

-

-

-

-0.17 ** 0.19 ** 00.24 **

Vijf clusters kunnen worden gedefinieerd waarbij moet worden aangegeven dat de vaarrichting van het schip nauw is gecorreleerd met de afstand. Voor een gevoeligheidsanalyse dient telkens één van beide constant te worden gehouden.

16

Witteveen-i-Bos Rw761.2 Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

Cluster 1: richting; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid t.ov. de afvoer en snelheid t.ov. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand. grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen die stroomopwaarts varen Tabel 4.8. Maximale correlatie RF3 opwaarts (inclusief schepen korter dan 60m) uitvoer

onder-water- snelheid iov. de af- natte dwarsdoorsne- afstand volume

voer

de rivier

0 . 20** OBS 0 . 58** ()046** - EMF - - - FLUX 0 . 20** ()0 . 27** 016* 0 . 19*

Vier clusters kunnen worden gedefinieerd. Cluster 1: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 2: snelheid to.v. de afvoer en snelheid tov. de oever; Cluster 3: natte dwarsdoorsnede rivier; en Cluster 4: passage-afstand. grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen die stroomafwaarts varen Tabel 4.9. Maximale correlatie RF3 afwaarts (inclusief schepen korter dan 60m) uitvoer

onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume

voer

de rivier

OBS 0 . 33** ()0 . 26** 0 . 18** EMF - - - - 0 . 20* FLUX -

Vier clusters kunnen worden gedefinieerd. Cluster 1: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 2: snelheid Lo.v. de afvoer en snelheid t.o.v. de oever; Cluster 3: natte dwarsdoorsnede rivier; en Cluster 4: passage-afstand.


17

grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen langer dan 60m Tabel 4.10. Maximale lineaire correlaties MF3 alle schepen langer dan 60m uitvoer richting locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer

de rivier

OBS - 038** 021** (-)020 ** - - EMF 013* 074** - - 0.64** FLUX - (-' 0.12 *

-

Zes clusters kunnen worden gedefinieerd waarbij moet worden aangegeven dat de vaarrichting van het schip nauw is gecorreleerd met de afstand. Voor een gevoeligheidsanalyse dient telkens één van beide constant te worden gehouden. Cluster 1: richting; Cluster 2: locatie; Cluster 3: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 4: snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 5: natte dwarsdoorsnede rivier; en Cluster 6: passage-afstand. grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen die stroomopwaarts varen

Tabel 4.11. Maximale lineaire correlaties MF3 opwaarts (inclusief schepen korter dan 60m) uitvoer locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer

de rivier

OBS 034** 031** ()023** - - EMF 069** - - 0 . 59** 0 . 17* - FLUX

-


grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen die stroomafwaarts varen Tabel 4.12. Maximale lineaire correlaties MF3 afwaarts (inclusief schepen korter dan 60m) uitvoer locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer de rivier

OBS 044** - - EMF 082** - - FLUX 0 . 70** - -

18

- - -

-


Vijf clusters kunnen worden gedefinieerd. Cluster 1: locatie; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand. grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen langer dan 60m Tabel 4.13. Maximale Iineaire correlaties MF3 midden alle schepen langer dan 60m uitvoer richting locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand de rivier volume voer

OBS - 021** 016** - EMF - 0 . 82** - - FLUX - 0 . 65** - -

019' - - -

Zes clusters kunnen worden gedefinieerd waarbij moet worden aangegeven dat de vaarrichting van het schip nauw is gecorreleerd met de afstand. Voor een gevoeligheidsanalyse dient telkens één van beide constant te worden gehouden. Cluster 1: richting; Cluster 2: locatie; Cluster 3: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 4: snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 5: natte dwarsdoorsnede rivier; en Cluster 6: passage-afstand. grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen die stroomopwaarts varen Tabel 4.14. Maximale lineaire correlaties MF3 midden opwaarts (inclusief schepen korter dan 60m) uitvoer locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand de rivier volume voer

037** - OBS EMF 081** - - FLUX 0 . 59** 0 . 29** -

017* - - -



19

grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen die stroomafwaarts varen Tabel 4.15. Maximale lineaire correlaties MF3 midden afwaarts (inclusief schepen korter dan 60m) uitvoer locatie onder-water- snelheid t.o.v. de af- natte dwarsdoorsne- afstand volume voer

de rivier

OBS 0 . 38** - EMF 0 . 85** -

- -

0 . 18* -

-

FLUX 0 . 77** -

-

-

-

Vijf clusters kunnen worden gedefinieerd. Cluster 1: locatie; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid t.o.v. de afvoer en snelheid t.o.v. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand. 43. Conclusie Op basis van linealre correlatie-analyse kunnen diverse clusters met significant samenhangende variabelen worden getraceerd. De, bij elke cluster, vetgedrukte karakteristiek verdient hierbij de voorkeur als uiteindelijke modelinvoer boven de andere karakteristieken binnen de betreffende cluster op basis van onderlinge correlaties met de overige. Grote frames (beide vaarrichtingen): Cluster 1: richting; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid tov. de afvoer en snelheid t.o.v. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand. Miniframes (beide vaarrichtingen): Cluster 1: locatie; Cluster 2: richting; Cluster 3: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 4: snelheid t.ov. de afvoer en snelheid t.o.v. de oever; Cluster 5: natte dwarsdoorsnede rivier; en Cluster 6: passage-afstand. Grote frames (stroomopwaarts of stroomafwaarts ofwel de vaarrichting is constant binnen de betreffende dataset): Cluster 1: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 2: snelheid tov. de afvoer en snelheid t.o.v. de oever; Cluster 3: natte dwarsdoorsnede rivier; en Cluster 4: passage-afstand.

20


Miniframes (stroomopwaarts of stroomafwaarts ofwel de vaarrichting is constant binnen de betreffende dataset): Cluster 1: locatie; Cluster 2: onder-water-volume, lengte, breedte, diepte, natte dwarsdoorsnede schip en gemodificeerde scheepsbreedte; Cluster 3: snelheid t.ov. de afvoer en snelheid t.o.v. de oever; Cluster 4: natte dwarsdoorsnede rivier; en Cluster 5: passage-afstand. Verder vallen negatieve correlaties waar te nemen tussen de vaarsnelheid van het schip t.o.v. de afvoer en respectievelijk OBS, EMF en FLUX. Dit is niet logisch omdat de snelheid juist een positief effect zou moeten hebben op OBS, EMF en FLUX (hoe hoger de snelheid des te hoger OBS, EMF en FLUX bij uniforme scheepskarakteristieken, rivierkarakteristieken en belading). De negatieve correlatie is waarschijnlijk het gevolg van het feit dat de vaarsnelheid over het algemeen omgekeerd evenredig is met de grootte en beladingsgraad van het schip en dus omgekeerd evenredig met het onder-water-volume van de scheepspassage. Een afname van de vaarsnelheid wordt daardoor in de praktijk gecorreleerd met een toename van de waarde van de uitvoervariabel en doordat het onder-water-volume, dat veel groter is bij de langzamervarende schepen, zo sterk gecorreleerd is met de uitvoervariabelen. Aan de zuidoever correleert de afstand beter met de vaarsnelheid t.o.v. de afvoer i.p.v. de vaarsnelheid t.o.v. de oever terwijl aan de noordoever dit juist omgekeerd is. De correlaties aan de zuidoever zijn beter dan aan de noordoever. De invloed van de scheepvaart aan de noordoever (over het algemeen afgaande onbeladen vaart) is nauwelijks merkbaar aan de zuidoever terwijl andersom de invloed van de scheepvaart aan de zuidoever (over het algemeen opgaande beladen vaart) wel duidelijk merkbaar is aan de noordoever.


21

5. FACTOR-ANALYSE 5.1. Inleiding Naast een correlatie-analyse kan een factor-analyse worden toegepast om lineaire samenhang tussen variabelen te kwantificeren zodat mogelijk een dimensie-reductie kan worden uitgevoerd (Otten, 1991). Factor-analyse of hoofdcomponenten-analyse is een methode om zoveel mogelijk invoervariabelen als functie van elkaar te schrijven. Het aantal factoren dat nodig is om de gehele data-set (invoer) te kunnen beschrijven in termen van verklaarde vanantie is een maat voor het aantal onafhankelijk variabelen dat uit de totale set aan invoervariabelen kan worden gedestilleerd. Elke invoervariabele vertegenwoordigt een zeker percentage verklaarde variantie voor elke min of meer onafhankelijke factor. Zo kan voor elke factor een cluster van invoervariabelen worden onderscheiden die voor die betreffende factor de meeste variantie verklaart. Variabelen binnen zo'n cluster corresponderen veelal met een bepaalde fysische en statistische samenhang of overlap (bijvoorbeeld lengte, breedte diepte of mogelijk snelheid ten opzichte van de oever, snelheid ten opzichte van de afvoer). Door binnen elke factor een representatieve variabele of variabelen te kiezen die het meest correleert met OBS, EMF en FLUX is een dimensie-reductie uitgevoerd in het aantal invoervariabelen. De resultaten zijn vervolgens vergeleken met de resultaten uit de correlatieanalyse. De resultaten van de factor-analyse zijn weergegeven in bijlage V. 5.2. Hoofdcomponenten Voor elk kribvak en elke locatie is een factor-analyse uitgevoerd om de belangrijkste dusters met significant samenhangende variabelen te traceren. kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen langer dan 60m Er is een factor-analyse uitgevoerd op de set variabelen lengte, breedte, diepte, richting, passage-afstand, snelheid t.o.v. de oever, onder-water-volume, natte dwarsdoorsnede rivier, natte dwarsdoorsnede schip, snelheid t.o.v. de afvoer en gemodificeerde scheepsbreedte. Deze set vertegenwoordigt een bepaalde variaritie. Factor-analyse probeert middels het formuleren van zo min mogelijk onafhankelijke factoren die elk weer worden samengesteld uit een relatieve bijdrage van bovenstaande variabelen zoveel mogelijk van de variantie met zo min mogelijk factoren te verklaren. Tabel 5.1. en afbeelding V.1 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.1. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained Initial Eigenvalues Component 1

Total

% of Variance

cumulativ e %

4,502

40,926

40,926

2

2,995

27,225

68,151

3

1,176

10,691

78,842

4

992

9,021

87,863

5

,446

4,055

91,918

6

392

3,565

95,483

7

342

3,105

98,587

8

119

1,081

99,668

9

2,528E-02

230

99,898

10

1,032E-02

9,385E-02

99,991

11

9,387E-04

8,534E-03

100,000

Extraction Method: Principal component Analysis.


23

De tweede kolom geeft de relatieve bijdrage weer van de betreffende component ofwel factor aan de verklaring van de totale variatie c.q. variantie. De relatieve bijdrage uit de tweede kolom is vervolgens omgezet in een percentage fractie verklaarde variantie (kolom 3). Kolom 4 geeft de cumulatieve fractie verklaarde variantie weer zodat een goed onderscheid kan worden gemaakt tussen goed en minder goed verklarende factoren. Uit bovenstaande tabel blijkt dat de eerste drie afgeleide factoren ongeveer 79% van de variantie verklaren die in de oorspronkelijke set voorkomt. Tabel 5.2. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.2. Clustering van variabelen Rotated Component Matri Component 2 -117

3 1,217E-02

965

-3,84E-02

7,861E-02 946 5,116E-02

1 LENGTE

826

BREEDTE DIEPTE

183

4,437E-02

RICHTING

-7,20E-02

1

945

AFSTAND

-7,95E-02

811

VOEVER

-7,26E-02

1

797

VOLUME

810

-110

498

1 ,996E-02

-200

-,1 63

AC AM

1

139

-314

698

-390E-02

683

VSTROOM

3504E-02

-952

-2,03E-02

MODBREE

963

1

-358E-02

I

8,007E-02

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

In tabel 5.2. zijn per factor en per variabele gewichten berekend die in feite de relatieve bijdrage vertegenwoordigen van de betreffende variabele aan de verklaring van een bepaalde factor. De combinatie best verklarende factoren en best verklarende variabelen binnen deze best verklarende factoren geven aan waar de onderlinge samenhang liggen tussen de betreffende verklarende variabelen zodat clusters kunnen worden samengesteld. Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, onder-water-volume, natte dwarsdoorsnede van schip en de gemodificeerde scheepsbreedte de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de richting, passage-afstand, snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 wordt voor het grootste gedeelte verklaard uit diepte. De natte dwarsdoorsnede van de rivier komt bij geen van de drie berekende factoren voor als belangrijke variabele en moet derhalve als afzonderlijke variabele worden beschouwd. Indien wenselijk kunnen waardes worden berekend voor elke factor. Bijvoorbeeld factor 1 in tabel 5.2. kan worden gezien als een resultante van een lineair model dat is gebaseerd op bovenstaande variabelen met bijbehorende geschatte parameters. Bij veel modelleringvraagstukken wordt namelijk gebruik gemaakt van factoren als samengestelde variabele voor bijvoorbeeld scheepsafmetingen i.p.v. deze afmetingen apart te beschouwen vanwege onderlinge afhankelijkheden. Omdat bij factor 1 het zwaartepunt ligt bij scheepsafmetingen kan factor 1 worden gezien als representant voor scheepsafmetingen. Tevens kan worden opgemerkt dat de scheepsafmetingen kennelijk een belangrijkere bijdrage leveren aan de verklaring van de totale variantie dan bijvoorbeeld de snelheid omdat deze cluster als factor 1 wordt bestempeld.

24


Tabel 5.3. geeft een overzicht van de correlaties tussen factor 1 en diverse scheepsafmetingen die de hoogste relatieve bijdrage leveren aan de verklaring en derhalve ook berekening van factor 1. Tabel 5.3. Overzicht correlaties van de voornaamste scheepsaf metingen met factor 1 Correlations

Spearmans rho VOLUME Correlation Coefficient

VOLUME 1000

,

Sig. (2-taited) N LENGTE Correlation Coefficient

227 658*

LENGTE 658'

BREEDTE 675'

AM ,977

MODBREE 675'

000

.000

000

000

227

227

1 227

227

227

1,000

554'

836'

.890' 000

000

,

.000

000

.000

N

227

227

227

227

227

BREEDTE Correlation Coefficient

675'

.836'

Sig. (2-tailed)

000

.000

000

N

227

227

Correlation Coefticient

977'

227 1 227 640* ,554

Sig (2-taUed)

.000

.000

.000

N

227 .675*

227

227

.836'

1,000.

640'

Sig. (2-tailed)

000

.000

N

227

227

594'

.890'

227 1 227 .530' 939'

227

REGA factor score Correlation Coefficient 1 for analysis 1 Sig. (2-tailed)

.000

.000

000

.000

000

1 227

227

227

227 1 227

MODBREE Correlation Coefficient

N

000

.836'

Sig. (2-tailed)

AM

REGR factor score 1 for analysis 1 594 -

1000

,

640'

1000

,

227 939' 000

227 640*

227 530*

,

000

.000

227

227

227

1000

1,000

.

.000

939'

939' .000 227 1,000 227

Correlation is sigriificant at the 01 level (2-tailed).

Zo kan, indien wenselijk, voor elke cluster een representatieve "kunstmatige variabele" worden berekend waarbij de zo verkregen kunstmatige variabelen onderling onafhankelijk zijn. kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen die stroomopwaarts varen De richting is in dit geval geen variabel meer. Tabel 5.4. en afbeelding V.2 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.4. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Irtitial_Eiqenvalues Total 5,078

% of Variance 50,778

cumulativ e% 50,778

2

1,908

19,081

69,859

3

1,040

10,398

80,257

4

841

8,406

88,663

5

604

6,036

94,699

6

,368

3,681

98,381

7

8,177E-02

.818

99,198

8

7,470E-02

747

99,945

9

3,843E-03

3,843E-02

99,984

10

1,624E-03

1,624E-02

1 100,000

Component 1

I

Extraction Method: Principal Component Analysis.

Uit bovenstaande tabel blijkt dat de eerste drie afgeleide factoren de meeste variantie weten te verklaren die in de oorspronkelijke set voorkomt. Tabel 5.5. geeft aan welke variabe-


25

len binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.5. Clustering van variabelen Rotated Component Matri Component 1 851

2 6,875E-02

3

LENGTE BREEDTE

934

-5,88E-02

-4,1 4E-02

DIEPTE

678

-321

-135

AFSTAND

118

168

363

-463

VOEVER

-188

,935

-5,32E-02

VOLUME

958

-126

-5,17E-03

AC

5,673E-02

1,402E-02

AM

948

-210

-102

,946

-8,65E-02

1

VSTROOM

-159

MODBREE

927

1 -6,91 E-02 I

1

922

-5,25E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, diepte, onder-water-volume, natte dwarsdoorsnede van schip en de gemodificeerde scheepsbreedte de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 wordt voor het grootste gedeelte verklaard uit de natte dwarsdoorsnede van de rivier en in iets mindere mate de passageafstand. De passage-afstand komt bij geen van de drie berekende factoren voor als belangrijkste variabele en kan derhalve als afzonderlijke variabele worden beschouwd. kleine kribvak (nr. 2.), zuidzijde, grote frame, alle schepen die stroomafwaarts varen De richting is in dit geval geen variabel meer. Tabel 5.6. en afbeelding V.3 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.6. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eigenvalues Component 1

Total 3,931

I


Cumulativ e% 39,306

2

2,299

22,992

62,298

3

1,443

14,426

76,723

4

1,107

11,068

87,791

5

741

7,410

95,201

6

,358

3,577

98,778

7

113

1,126

99,904

8

8,037E-03

8,037E-02

99,984

9

1 ,522E-03

1 ,522E-02

99,999

10

5,223E-05

5,223E-04

100,000

I


Uit bovenstaande tabel blijkt dat de eerste vier afgeleide factoren de meeste variantie verklaren. Tabel 5.7. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst

26


wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.7. Clustering van variabelen Rotated Component Matri Component ,858

2 -5,62E-02

3 -1,22E-03

4 1,956E-02

1 LENGTE BREEDTE

953

212

1,775E-02

4,557E-02

DIEPTE

-162

906

-221

1,673E-02

AFSTAND

-254

134

228

.739

1,128E-02

-148

976

2,155E-02 2,866E-02

VOEVER VOLUME

,595

.769

-7,12E-02

AC

-147

175

,255

762

AM

416

.886

-102

2,479E-02

VSTROOM

-1,50E-02

152

MODBREE

,946

212

-974

1

1,583E-02

-8,12E-03

I

4,403E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte en de gemodificeerde scheepsbreedte de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-water-volume en de natte dwarsdoorsnede van het schip. Voor factor 3 is dat snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 4 wordt voor het grootste gedeelte verklaard uit de natte dwarsdoorsnede van de rivier en de passage-afstand. kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen langer dan 60m

Tabel 5.8. en afbeelding V.4 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.8. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial Eiqenvalues Total 4,513


Cumulativ e% 34,714

2

2,990

23,000

57,714

3

1,673

12,872

70,586

4

1,181

9,088

79,674

5

1,072

8,248

87,921

6

450

3,464

91,386

7

401

3,088

94,474

8

339

2,609

97,083

9

227

1,742

98,825

10

117

,897

99,722

11

2,491E-02

192

99,914

12

1,028E-02

7,910E-02

99,993

19,361E-04 17,201E-03

1 100,000

component 1

13



27

Uit bovenstaande tabel blijkt dat de eerste vijf afgeleide factoren de meeste variantie verklaren. Tabel 5.9. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.9. Clustering van variabelen Rotated Component Matri Component 2 1,365E-02

3 -1,12E-02

4

LOKATIE

1 1,154E-02

927

218

H

1,533E-03

1,900E-03

-1,25E-02

-890

317

5

LENGTE

819

-,119

4,654E-02

-4,83E-03

2,171E-02

BREEDTE

966

-3,76E-02

8,305E-02

7,442E-03

-2,98E-02

DIEPTE

163

3,293E-02

960

-2,28E-03

-1,89E-02

RICHTING

-7,86E-02

949

5,881E-02

1,858E-02

-1,58E-02

AFSTAND

-7,99E-02

795

,120

-1,64E-02

-215

VOEVER

-7,40E-02

805

-299

1 ,633E-03

4,172E-02

VOLUME

797

-113

522

3,712E-03

2,363E-02

AC

-2,18E-02

-100

-1,29E-02

-3,99E-02

,969

AM

685

-4,35E-02

,697

5,303E-03

-1 01 E-02

VSTROOM

4,024E-02

-960

-3,51E-02

-1,19E-02

-2,30E-02

MODBREE

,964

-3,54E-02

8,434E-02

8,754E-03

-3,09E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, onder-watervolume, breedte, de gemodificeerde scheepsbreedte en in mindere mate de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de richting, passage-afstand, snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 wordt voor het grootste gedeelte verklaard uit de diepte, natte dwarsdoorsnede van de rivier en in mindere mate het onder-water-volume. De meetlocatie en de waterstand bij het frame wegen het zwaarst binnen factor 4. Factor 5 bestaat enkel uit de natte dwarsdoorsnede van de rivier. kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen die stroomopwaarts varen Tabel 5.10. en afbeelding V.5 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. De richting is constant.

28


Tabel 5.10. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained Initial Eigenvalues Component 1


Total 5,082

Cumulativ e% 42,353

2

1,911

15,929

58,282

3

1,639

13,660

71,942

4

1,175

9,795

81,737

5

,827

6,888

88,625

6

624

5,204

93,829 97,037 98,681

385

3,209

8

197

1,644

9

7,949E-02

662

99,344

10

7,332E-02

611

99,955

11

3,799E-03

12

1,637E-03

7

I

3,165E-02

99,986

1,364E-02

1 100,000


Uit bovenstaande tabel blijkt dat de eerste vier afgeleide factoren de meeste variantie verklaren. Tabel 5.11. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.11. Clustering van variabelen Rotated Component Matri Component LOKATIE

1 4,237E-02

2 2,327E-02

H

3 -907

4 1

297

2,293E-02

4,793E-03

886

341

LENGTE

,846

6,011 E-02

2,285E-02

8,630E-02

BREEDTE

932

-5,71 E-02

-9,35E-03

-3,43E-02

DIEPTE

,688

-300

5,274E-04

-9,42E-02

158

334

129

-,527

-,198

937

-2,16E-02

-6,01 E-02 -8,75E-03

AFSTAND VOEVER VOLUME

958

-121

-3,27E-03

AC

3,968E-02

2,962E-02

9,852E-02

881

AM

952

-199

-1,02E-02

-7,83E-02

VSTROOM

-170

947

-1,58E-02

-9,56E-02

MODBREE

,925

-6,69E-02

-1,18E-02

-4,44E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, onder-watervolume, breedte, de gemodificeerde scheepsbreedte en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 wordt voor het grootste gedeelte verklaard uit de meetlocatie en de waterstand bij het frame. Factor 4 bestaat vnl. uit de natte dwarsdoorsnede van de rivier.


29

kleine kribvak (nr. 2.), zuidzijde, miniframe, alle schepen die stroomafwaarts varen Tabel 5.12. en afbeelding V.6 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. De richting is constant. Tabel 5.12. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eiqenvalues Total 3,916


cumulativ e % 32,637

2

2,325

19,376

52,013

3

1,750

14,586

66,599

4

1,409

11,742

78,341

5

1,108

9,233

87,574

6

,783

6,522

94,097

7

373

3,106

97,203

8

215

1,796

98,998

9

111

,923

99,921

10

7,97E-03

6,643E-02

99,987

11

1,49E-03

1,238E-02

100,000

12

4,71E-05

3,929E-04

100,000

Component 1

Extraction Mothod: Principal Component Analysis.

De eerste vijf afgeleide factoren verklaren de meeste variantie verklaren. Tabel 5.13. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.13. Clustering van variabelen Rotated Corn ponent Matri

Component LOKATIE

1 -2,24E-02

2 9,455E-03

H

3 4,509E-02

4 -927

5 9,949E-02

-3,26E-02

2,494E-02

8,233E-02

,913

168

LENGTE

,859

-6,37E-02

4,667E-03

1,189E-02

1,208E-02

BREEDTE

953

204

2,352E-02

-1 ,44E-02

4,456E-02 5,787E-03

1

DIEPTE

-155

903

-,226

2,111E-02

AFSTAND

-,268

155

236

1,561E-02

-686

VOEVER

1,665E-02

-150

974

1,912E-02

1,959E-02

VOLUME

604

762

-6,84E-02

-1,01 E-03

2,578E-02

AC

-145

177

,239

7,874E-02

799

AM

,424

,882

-100

-2,92E-03

2,199E-02

VSTROOM

-2,03E-02

155

-,972

-1,67E-02

-5,18E-03

MODBREE

947

204

2,149E-02

-1,58E-02

4,430E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, de gemodificeerde scheepsbreedte en in mindere mate het onder-water-volume en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-water-volume en de natte dwarsdoorsnede van het schip.

30

Witteveen+Bos Rw761.2 Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief dd. 7 december 1999

Factor 3 met name uit de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 4 wordt voor het grootste gedeelte verklaard uit de meetlocatie en de waterstand bij het frame. Factor 5 bestaat vnl. uit de natte dwarsdoorsnede van de rivier en de passage-afstand. grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen langer dan 60m Tabel 5.14. en afbeelding V.7 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.14. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eigenvalues Total 3,911


Cumulativ e 35,555

2

3,019

27,445

63,001

3

1,546

14,053

77,054

4

1,025

9,317

86,371

5

,648

5,895

92,265

6

407

3,704

95,969 98,224

Component 1

,248

2,255

8

163

1,481

99,704

9

2,393E-02

218

99,922

10

8,182E-03

11

3,996E-04

7

1

I

7,438E-02

99,996

3,632E-03

1 100,000


De eerste vier afgeleide factoren verklaren de meeste variantie verklaren. Tabel 5.15. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.15. Clustering van variabelen Rotated Component Matri Component 3

,852

2 1,569E-02

251

4 -103

1 LENGTE

1

,972

-5,84E-02

1,872E-02

5,206E-02

-121

121

948

3,182E-02

RICHTING

5,829E-03

-953

6,717E-03

-6,97E-02

AFSTAND

-5,77E-02

,643

VOEVER

-1,47E-02

-816

BREEDTE DIEPTE

VOLUME

122

-218

-241

-1,71E-02 1,366E-02

1

109

697

AC

2,287E-03

-1,08E-02

6,860E-02

,976

AM

430

115

881

5,619E-02

,643

VSTROOM

-4,46E-03

MODBREE

970

1

1

948

-2,80E-02

-5,84E-02

1,721E-02

9,365E-02

I

5,302E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, de gemodificeerde scheepsbreedte en in mindere mate het onder-water-volume en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de richting, passage-afstand, snelheid t.o.v. de oever en de snelheid t.o.v. de


31

afvoer. Factor 3 met name uit het onder-water-volume en natte dwarsdoorsnede van het schip. Factor 4 wordt voor het grootste gedeelte verklaard uit de natte dwarsdoorsnede van de rivier. grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen die stroomopwaarts varen Tabel 5.16. en afbeelding V.8 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Richting is constant. Tabel 5.16. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eiqenvalues Total 4,765

Component 1

I


Cumulativ e% 47,648

2

2,266

22,663

70,311

3

1,083

10,826

81,137

4

867

8,672

89,808

5

676

6,764

96,572

6

202

2,016

98,588

7

129

1,286

99,874

8

9,225E-03

9,225E-02

99,966

9

3,403E-03

3,403E-02

100,000

10

7,867E-06

7,867E-05

1 100,000

I


Uit bovenstaande tabel blijkt dat de eerste drie afgeleide factoren de meeste variantie verklaren. Tabel 5.17. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.17. Clustering van variabelen Rotated Component Matri Cornponent 1 LENGTE

2

3 -1,74E-02

918

120

BREEDTE

939

7,837E-02

139

DIEPTE

,588

-,388

-,293

AFSTAND

2,846E-02

-204

-,692

VOEVER

-2,65E-02

979

5,808E-02

VOLUME

941

-143

4,632E-03

AC

9,585E-02

-8,1OE-02

AM

931

-,252

-6,38E-02

,978

6,435E-02

5,189E-02

160

VSTROOM

-2,60E-02

MODBREE

,926

1

1

1

761

Extraction Method: Principal component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 4 iterations.

Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, diepte, onder-water-volume, de gemodificeerde scheepsbreedte en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 bestaat vnl. uit de natte dwarsdoorsnede van de rivier en uit de passage-afstand.

32


grote kribvak (nr. 3.), noordzijde, grote frame, alle schepen die stroomafwaarts varen Tabel 5.18. en afbeelding V.9 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.18. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained



Cumulativ e% 37,611

2

2,178

21,779

59,390

3

1,603

16,034

75,424

4

999

9,988

85,412

5

958

9,583

94,995

6

302

3,017

98,012

7

177

1,767

99,779

Component 1

8

1,808E-02

181

99,960

9

3,969E-03

3,969E-02

100,000

10

1,993E-06

1,993E-05

1 100,000

I


Uit bovenstaande tabel blijkt dat de eerste drie afgeleide factoren de meeste variantie verklaren. Tabel 5.19. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.19. Clustering van variabelen Rotated component Matri Component 1 LENGTE BREEDTE

866

2 ,223

3 7,820E-02 9,158E-02

960

1,257E-02

-179

921

180

117

109

6,963E-02

VOEVER

-8,86E-02

-130

-,984

VOLUME

520

776

7,929E-02

Ac

-200

241

-153

AM

262

935

159

130

983

1 -3,1 1 E-02

3,647E-02

DIEPTE AFSTAND

VSTROOM

8,775E-02

MODBREE

953

1


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, gemodificeerde scheepsbreedte en in mindere mate het onder-water-volume de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-watervolume, en natte dwarsdoorsnede van het schip. Factor 3 wordt vnl. verklaard uit de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer.

Witteveen-t-Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

33

grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen langer dan 60m Tabel 5.20. en afbeelding V.10 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.20. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial Eigenvalues Component 1

Total 4,245


Cumulativ e% 32,654

2

2,914

22,412

55,066

3

1,951

15,011

70,077

4

1,441

11,085

81,163

5

995

7,657

88,820

6

664

5,106

93,927

7

341

2,625

96,551

8

252

1,938

98,490

143

1,096

99,586

1

225

99,811

1

1

9 10

2,929E-02

11

2,016E-02

12

4,120E-03

13

2,297E-04

I

155

99,967

3,169E-02

99,998

1,767E-03

1 100,000


De eerste vier af geleide factoren verklaren de meeste variantie verklaren. Tabel 5.21. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.21. Clustering van variabelen Rotated Component Matri Component LOKATIE

1 -1 ,33E-03

H

-2,97E-03

1,679E-02

,867

4,880E-02

LENGTE BREEDTE

4 -837

2 6,606E-02

3 -9,79E-03 1,340E-02

992

234

-4,42E-02

1

977

-2,99E-02

-1,95E-02

1,575E-02

DIEPTE

-1,09E-02

7,115E-02

,968

1,176E-02

RICHTING

-3,55E-02

-,948

4,002E-02

-4,33E-02

AFSTAND

-2,1 1 E-02

,652

9,722E-02

3,826E-02

VOEVER

-9,03E-02

-824

-242

-1 ,42E-02

VOLUME

753

145

577

-3,67E-04

AC

-2,77E-03

134

-1,99E-03

,533

AM

569

137

797

1,476E-02

VSTROOM

-1,38E-02

MODBREE

975

1

951

1

-3,25E-02

-5,96E-02

I

-2,52E-02

5,968E-02

1

1,781E-02


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, de gemodificeerde scheepsbreedte, het onder-water-volume en in mindere mate de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de richting, passage-afstand, snelheid t.o.v. de oever en de snelheid t.o.v. de af-

34


voer. Factor 3 met name uit het onder-water-volume en natte dwarsdoorsnede van het schip. Factor 4 wordt voor het grootste gedeelte verklaard uit de natte dwarsdoorsnede van de rivier. grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen die stroomopwaarts varen Tabel 5.22. en afbeelding Vii in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Richting is constant. Tabel 5.22. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

InitaI_Eigenvalues Total 5,415


2

2,189

18,242

63,368

3

1,709

14,239

77,607

4

,929

7,743

85,350

5

915

7,623

92,973

6

582

4,850

97,823

7

136

1,130

98,953

8

9,122E-02

760

99,713

9

2,892E-02

241

99,954

10

4,838E-03

4,032E-02

99,994

11

6,689E-04

5,574E-03

100,000

12

2,702E-16

2,252E-15

1 100,000

component 1

I

cmuiativ e% 45,126


Uit bovenstaande tabel blijkt dat de eerste drie afgeleide factoren de meeste variantie verklaren. Tabel 5.23. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.17. Clustering van variabelen Rotated component Matrbe Component 2

LOKATIE

1 4,486E-02

H

1

3 -,876

129

2,081E-02

9,900E-02

,986

LENGTE

937

3,341E-02

1,409E-02

BREEDTE

,966

-1,23E-02

4,122E-02

DIEPTE

680

-313

-8,74E-03

7,108E-03

-371

-9,12E-03

-,224

933

2,792E-02 -4,81E-05

AFSTAND VOEVER VOLUME

954

-129

Ac

9,931E-02

,390

,460

AM

969

-198

4,801E-03

VSTROOM

-,223

MODBREE

950

1

934

3,075E-02

-6,24E-02

I 2,932E-02


Witteveen-i-Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

35

Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, diepte, onder-water-volume, de gemodificeerde scheepsbreedte en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 bestaat vnl. uit de natte dwarsdoorsnede van de waterstand bij het frame en de meetlocatie. grote kribvak (nr. 3.), noordzijde, miniframe, alle schepen die stroomafwaarts varen Tabel 5.24. en afbeelding V.12 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.24. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial Eigenvalues Total 3,770

Component 1


Cumulativ e% 31,421

2

2,235

18,623

50,043

3

2,090

17,420

67,463

4

1,566

13,053

80,517

5

1,154

9,620

90,137

6

720

6,000

96,136

7

303

2,521

98,657

8

114

949

99,606

9

2,988E-02

249

99,855

10

1,310E-02

109

99,964

4,288E-03

3,574E-02

100,000

-7,61E-16

-6,34E-15

100,000

11 12

1

1


Uit bovenstaande tabel blijkt dat de eerste vijf afgeleide factoren de meeste variantie verklaren. Tabel 5.25. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen.

36


Tabel 5.25. Clustering van variabelen Rotated Component Matri Component 5

LOKATIE

1 -7,53E-04

2 2,796E-02

3 -3,90E-02

4 -957

H

8,760E-03

7,668E-02

-6,51 E-02

,924

,848

319 2,504E-02

.135 8,386E-02

-2,65E-02

-1,12E-02

1 ,469E-02

4,656E-02 7,608E-02

LENGTE BREEDTE

970

1

114 335

-192

930

163

2,817E-02

AFSTAND

1,515E-02

-1,63E-02

134

-5,09E-02

814

VOEVER

-8,67E-02

-150

-979

9,154E-03

808 185

5,496E-02

-5,41 E-04

7,258E-03 2,096E-02

-191

955

150 ,978

230 2,453E-02

774 9,207E-02

DIEPTE

VOLUME AC AM VSTROOM MODBREE

1

482

2,822E-02

1

176

1

1

1

1

-5,45E-03 -8,62E-03 151 967 1 -4,25E-02 I -2,94E-03 I 1,857E-02 I 1,415E-02

8,679E-02

1


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, gemodificeerde scheepsbreedte en in mindere mate het water-volume de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-water-volume, en natte dwarsdoorsnede van het schip. Factoren 3 wordt vnl. verklaard uit de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. De waterstand bij het frame en de meetlocatie wegen het zwaarst mee binnen factor 4. Factor 5 wordt vnl. verklaard uit de passage-afstand en de natte dwarsdoorsnede van de rivier. grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen langer dan 60m Tabel 5.26. en afbeelding V.13 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.26. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eigenvalues component 1

Total 3,518


cumulativ e% 27,065

2

3,237

24,900

51,965

3

1,993

15,330

67,295

4

1,676

12,894

80,189

5

1,024

7,878

88,067

6

661

5,086

93,153

7

476

3,665

96,818

238

1,829

98,647

138

1,060

99,707

10

2,196E-02

169

99,876

11

1,176E-02

9,048E-02

99,966

12

3,891E-03

2,993E-02

99,996

13

5,025E-04

3,865E-03

1 100,000

8 9

1

1



37

De eerste vijf afgeleide factoren verklaren de meeste variantie verklaren. Tabel 5.27. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.27. Clustering van variabelen Component Matrb Component LOKATIE

1 -2,55E-02

2 7,891E-03

H

994

4 -7,55E-02

5 -5,95E-02 -3,58E-02

3

3,165E-02

-9,51E-03

-996

6,741E-02

LENGTE

719

461

-6,34E-03

-,235

-6,57E-02

BREEDTE

,624

610

-3,12E-02

-421

7,309E-02

DIEPTE RICHTING AFSTAND

543

-408

6,441 E-02

681

-4,41 E-03

-,297

807

2,441 E-02

408

-,1 19

265

-577

-6,64E-03

-143

-188

-,372

731

1 ,964E-03

202

3,546E-03 -7,09E-03

1

VOEVER VOLUME

,895

122

4,427E-02

317

AC

-9,67E-02

3,018E-02

3,320E-02

119

,967

AM

,836

-6,63E-02

5,716E-02

514

2,995E-02

VSTROOM

337

-761

-2,85E-02

-434

136

MODBREE

,628

606

-3,03E-02

-41 8

7,690E-02

Extraction Method: Principal Component Analysis. a. s components extracted.

Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, de gemodificeerde scheepsbreedte, het onder-water-volume en de natte dwarsdoorsnede van het schip de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de richting, passage-afstand, snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 3 met name uit de waterstand bij het frame en de meetlocatie. De diepte en in mindere mate het de natte dwarsdoorsnede van het schip bepalen in hoge mate factor 4. Factor 5 wordt voor het grootste gedeelte verklaard uit de natte dwarsdoorsnede van de rivier. grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen die stroomopwaarts varen Tabel 5.28. en afbeelding V.14 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Richting is constant.

38


Tabel 5.28. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained

Initial_Eigenvali's Total 4,160


Cumulativ e% 34,667

2

2,634

21952

56,619

3

1,992

16,601

73,220

4

1,158

9,651

82,871

5

1,005

8,374

91,246

6

770

6,415

97,660

7

188

1,564

99,224

8

6,833E-02

,569

99,794

9

1,767E-02

147

99,941

10

4,074E-03

3,395E-02

99,975

11

2,993E-03

2,494E-02

100,000

12

-1,73E-16

I -1,44E-15

100,000

Component 1

1


De eerste vijf afgeleide factoren verklaren de meeste variantie verklaren. Tabel 5.27. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.29. Clustering van variabelen Rotated Component Matri Component LOKATIE

-7,71 E-05

2 -i ,25E-02

H

3 -1 ,27E-02

4 -,998

5 -3,91 E-02 -5,17E-02

5,345E-03

9,876E-05

7,704E-03

997

LENGTE

901

,323

143

3,365E-03

-3,56E-02

BREEDTE

954

6,079E-02

185

2,810E-03

6,118E-02 -2,27E-02

DIEPTE AFSTAND VOEVER VOLUME

-3,42E-02

945

-176

4,875E-03

-215

391

-146

4,304E-03

-475

202

-8,78E-02

975

1,125E-02

2,341E-02 -1 ,03E-02

596

734

9,737E-02

3,727E-03

AC

-4,41E-02

7,816E-02

-2,63E-02

-8,60E-03

930

AM

,367

910

-3,88E-02

8,592E-03

-5,60E-04

VSTROOM

202

-8,70E-02

974

1,116E-02

3,311E-02

MODBREE

955

2,678E-02

180

1,216E-03

6,845E-02

1


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, de gemodificeerde scheepsbreedte en in mindere mate het onder-water-volume de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-watervolume en de natte dwarsdoorsnede van het schip. Factor 3 wordt vnl. verklaard met de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. Factor 4 bestaat met name uit de waterstand bij het frame en de meetlocatie. De natte dwarsdoorsnede van de rivier en in mindere mate de passage-afstand bepalen in hoge mate factor 5.


39

grote kribvak (nr. 3.), noordzijde, miniframe midden, alle schepen die stroomafwaarts varen Tabel 5.30. en afbeelding V.15 in bijlage V geven een overzicht van het aantal factoren en de bijbehorende fractie verklaarde variantie. Tabel 5.30. Overzicht van aantal factoren met bijbehorende verklaarde variantie Total Variance Explained



Cumulativ e% 33,964

2

2,119

17,657

51,621

3

1,988

16,566

68,187

4

1,510

12,584

80,771

5

963

8,025

88,796

6

850

7,079

95,876

7

,273

2,278

98,154

8

195

1,625

99,778

Component 1

9

1,999E-02

167

99,945

10

3,582E-03

2,985E-02

99,975

11

3,037E-03

2,531E-02

100,000

12

4,887E-17 I 4,072E-16

1 100,000


Uit bovenstaande tabel blijkt dat de eerste vier afgeleide factoren de meeste variantie ver klaren. Tabel 5.31. geeft aan welke variabelen binnen deze eerste drie factoren het zwaarst wegen en derhalve kunnen worden gezien als aparte clusters van onderling samenhangende variabelen. Tabel 5.31. Clustering van variabelen Rotated Component Matri Component 2 4,682E-03

3 -1,25E-02

4

LOKATIE

1 3,275E-03

H

2,961 E-02

1 ,856E-03

-2,89E-03

-,998 -1,53E-03

997

LENGTE

885

176

-5,68E-02

BREEDTE

931

2,351E-02

199

-1,22E-02

-171

930

138

-3,03E-03

DIEPTE AFSTAND

398

8,544E-02

6,191E-02

2,407E-02

VOEVER

-7,44E-02

-166

-,976

6,083E-03

VOLUME

531

774

122

5,154E-03

AC

-,389

-4,80E-02

118

3,568E-02

AM

329

910

170

3,428E-03

VSTROOM

7,127E-02

166

977

-5,80E-03

MODBREE

919

5,059E-03

205

1 -1,33E-02

1


Uit bovenstaande tabel kan worden opgemaakt dat met name de lengte, breedte, gemodificeerde scheepsbreedte en in mindere mate het onder-water-volume de grootste relatieve bijdrage leveren aan factor 1. Voor factor 2 is dat met name de diepte, het onder-watervolume, en natte dwarsdoorsnede van het schip. Factor 3 wordt voornamelijk verklaard uit

40


de snelheid t.o.v. de oever en de snelheid t.o.v. de afvoer. De waterstand bij het frame en de meetlocatie wegen het zwaarst mee binnen factor 4. 5.3. Conclusie

Op basis van factor-analyse kunnen nagenoeg vergelijkbare clusters met afhankelijke variabelen worden samengesteld als middels correlatie-analyse. De beide methoden ondersteunen elkaar. Clusters met onderling samenhangende invoervariabelen zijn: Cluster 1: locatie (voor de miniframes); Cluster 2: richting (indien beide vaarrichtingen in de dataset zijn vertegenwoordigd); Cluster 3: onder-water-volume, lengte, breedte, diepte, gemodificeerde scheepsbreedte en natte dwarsdoorsnede schip; Cluster 4: snelheid t.o.v. de oever en snelheid t.o.v. de afvoer; Cluster 5: passage-afstand ; en Cluster 6: natte dwarsdoorsnede van de rivier. Om een goed model te kunnen optuigen met onafhankelijke variabelen kan voor elke cluster één representatieve variabele worden opgegeven of kan mogelijk gebruik worden gemaakt van de per kribvak en per meetlocatie berekende factoren. Indien wenselijk kunnen naast representatieve variabelen uit elke cluster ook de per kribvak en per locatie berekende factoren als invoer voor een neuraal netwerk worden gebruikt. De factor bij factor-analyse is hierbij overeenkomstig met de term hoofdcomponenten bij hoofdcomponenten-analyse. De gevoeligheidsanalyse richt zich dan met name op het veranderen van een variabele binnen een factor en het effect daarvan op de betreffende factor. Vervolgens kan de verandering van deze factor als gevolg van een verandering van een variabele binnen deze factor worden doorgerekend met het neurale netwerk. Dit is echter een indirecte benadering.

Witteveen-f Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

41

42

Witteveeni-Bos Rw761.2 Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

6. RELATIE VAARSNELHEID EN WATER- EN SEDIMENTBEWEGING NADER BESCHOUWD 6.1. Inleiding Uit de correlatie-analyse (hoofdstuk 4) is gebleken dat de vaarsnelheid negatief is gecorreleerd met OBS, EMF en FLUX ofwel dit suggereert dat hoe sneller het schip vaart des te kleiner het effect op wateren sedimentbeweging in kribvakken. Dit is niet logisch omdat de snelheid juist een positief effect zou moeten hebben op OBS, EMF en FLUX (hoe hoger de snelheid des te hoger OBS, EMF en FLUX bij uniforme scheepskarakteristieken, rivierkarakteristieken en belading). In dit hoofdstuk wordt kort ingegaan op het effect van de vaarsnelheid op de wateren sedimentbeweging bij kleinere, middelgrote en grote schepen. 6.2. Globale analyse van het effect van de vaarsnelheid op wateren sedimentbeweging Om het effect van de vaarsnelheid op de wateren sedimentbeweging nader te beschouwen is gekozen om een exercitie te doen op de data afkomstig van het grote frame (nr. 3) in het grote kribvak aan de noordzijde omdat daar een duidelijke negatieve correlatie wordt waargenomen tussen vaarsnelheid t.o.v. de afvoer en wateren sedimentbeweging. Tabel 6.1. geeft de correlatie weer van de vaarsnelheid met de waargenomen wateren sedimentbeweging in het betreffende kribvak. Hierbij zijn alle schepen meegenomen. Tabel 6.1. Correlatie vaarsnelheid met wateren sedimentbeweging Correlations

Spearmans rho OBS correlation Coefficient Sig. (2-tailed) N EMF correlation coefficient Sig. (2-tailed) N FLUX Correlation Coefficient Sig. (2-tailed) N VOEVER Correlation Coefficient Sig. (2-tailed) N VSTROOM Correlation Coefficient Sig. (2-tailed) N

OBS 1,000 ,

175 109 152 175 531 * 000 175 ,455* 000 175 ,458* 000 175

EMF 109 152 175 1,000 ,

175 859*

FLUX 531*

455 *

VSTROOM 458*

000 175 -067 380 175 , 268*

000 175 -069 361 175 , 272*

175 ,268*

000 175 1,000

000 175 1 , 000*

000 175 , 272*

175 1,000*

000 175

000 175

000 175 859* 000 175 1000

000 175 -067 380 175 -069 361 175

VOEVER

,

,

000 175 1,000 175

CorrIation is significant at the .01 level (2-tailed).

Het bovenstaande suggereert een negatieve correlatie tussen de snelheid en respectievelijk OBS, EMF en FLUX (hogere snelheid resulteert in lagere OBS, EMF en FLUX. Het bovenstaande kan grafisch worden weergegeven d.mv. een scatterplot of spreidingsdiagram waarbij de vaarsnelheid is uitgezet tegen bijvoorbeeld het OBS.


43

Afbeelding 6.1. Scatter-plot vaarsnelheid versus OBS, voor schepen die stroomopwaarts varen 200 1

. 1

• : .• • f4 pIA •

1.••• • ... ..

• 1111111. •

. .. • . .

• .

(1) CO

o

.

0

.

.

•

•

.

2 3 4 5 6 7 8

vaarsnelheid t.o.v. afvoer (mis) Ook aan bovenstaande figuur valt een negatieve correlatie waar te nemen tussen de vaarsnelheid en OBS. Om een indicatie te verkrijgen van de lineaire relatie tussen de grootte van de schepen en de vaarsnelheid zijn spearman-correlaties berekend tussen snelheden en scheepsgroottekarakteristieken zoals lengte, breedte, diepte en onder-water-volume. De resultaten hiervan zijn weergegeven in tabel 6.2.

44


Tabel 6.2. Correlaties tussen scheepsgrootte-karakteristieken en vaarsnelheid Correlations

Spearman's rho VOEVER Correlation Coefficient

VOEVER 1000

Sig. (2-tailed) N VSTROOM Correlation Coefficient

VSTROOM 1 , 000*

LENGTE 037

BREEDTE 083

DIEPTE .287*

,

000

,624

,272

000

021

175

175

175

175

1,000

036

083

175 ,290*

175 ,176*

,276

000

020

1,000* 1

Sig. (2-tailed)

000

,

,639

N

175

175

175

037

036

1,000

Sig. (2-tailed)

624

,639

N

175

175

083

083

175 847*

,272

,276

000

175 -,287

175 ,290*

175 634*

175 555*

Sig. (2-tailed)

000

000

000

000

N

175

175

175 779 *

175 1 896*

000

000

1 175 1 175 1 175 1 175

175

LENGTE Correlation Coefficient

BREEDTE Correlation Coetficient Sig. (2-tailed) N DIEPTE Correlation Coefficient

VOLUME Correlation Coefficient Sig. (2-tailed) N

VOLUME -, 174*

,

-,1 74

-,1 76*

175 839*

021

020

000

175 1 175 847* ,634

175 839*

000

000

000

175

175 555 *

175 779*

000

000

175

175 896*

1,000

1,000

000 175 1000 175

Correlation is significant at the .01 level (2-tailed). Correlation is significant at the .05 level (2-tailed).

Uit tabel 6.2. kan worden opgemaakt dat met name de diepte en het onder-water-volume van het schip tot op zekere hoogte gerelateerd kunnen worden aan de snelheid (hoe sneller het schip hoe kleiner het volume en de diepte). Om het effect van de scheepsgrootte op de vaarsnelheid nader te beschouwen zijn een drietal berekeningen uitgevoerd. Een berekening voor grote schepen, een berekening voor middel grote schepen en een berekening voor relatief kleine schepen. De onderstaande correlaties en scatterplot geven de relatie weer tussen snelheid en schepen vanaf 3000 m 3 (alleen relatief grote schepen).


45

Tabel 6.3. Correlatie grote schepen met vaarsnelheid Correlations

Spearmans rho VOEVER Correlation Coefficient

VOEVER 1,000

Sig. (2-tailed)

,

N

25 999*

VSTROOM Correlation Coefficient

VSTROOM 999 * 000 25 1,000

OBS 643*

EMF -045

FLUX -366

001

830

072

25 ,644*

25

25

-063

-380

001

,763

061

25

25

1,000

260

25 717*

Sig. (2-tailed)

000

N

25 , 643*

25 644*

001

001

,

209

000

25

25

25

25

-045

-063

260

1,000

25 806*

830

763

209

25

25

-,366

OBS Correlation Coefflcient Sig. (2-tailed) N EMF Correlation Coefficient Sig. (2-tailed) N FLUX Correlation Coefficient Sig. (2-tailed) N

,

,

000

25

25

-380

25 717*

,806

1,000

072

061

000

000

25

25

25

25

25

'. Correlation is significant at the .01 level (2-tailed).

Afbeelding 6.2. Scatter-plot vaarsnelheid versus obs, voor grote schepen die stroomopwaarts varen 200

• 1

.• U . •

IE,','

• 0)

(1)

o

0 2 3 4 5 6 7 8

vaarsnelheid t.o.v. afvoer (mis) Ook bij grote schepen is een duidelijke negatieve lineaire correlatie te zien tussen snelheid en OBS.

46


De onderstaande correlaties en scatterplot geven de relatie weer tussen snelheid en schepen vanaf 1000 en 3000 m3 (middel groot). Tabel 6.4. Correlatie middelgrote schepen met vaarsnelheid Correlations

Spearman's rho VOEVER Correlation Coefficient Sig. (2-tailed) N VSTROOM Correlation Coefficient Sig. (2-taileci) N OBS Correlation Coefficient Sig. (2-tailed)

VOEVER 1,000

N EMF Correlation Coefficient Sig. (2-tailed) N FLUX Correlation Coefficient Sig. (2-tailed) N

VSTROOM 1 , 000*

1

105 1 ,QQQ* 000 105 .472*

OBS .472*

000 105 1,000

000 105 .475*

, 105 475*

000 105 010 916 105 -150

000 105 007 943 105 -154

126 105

116 105

000 105 1,000

, 1

105 075 449 105 429* 000 105

EMF 010 916 105 007 943 105 075

FLUX -150 126 105 -154 116 105 429*

449 105 1,000

000 105 903*

1

, 105 903* 000 105

000 105 1,000 105

Correlation is significant at the .01 level (2-tailed).

Afbeelding 6.3. Scatterplot vaarsnelheid versus obs, voor middelgrote schepen die stroomopwaarts varen 160 .• • .•• • -' 1..j.... .

140

I

I

1.

120

•I. ••" : ..

•• •i u

100

80

•

60 40 0)

20

Ci)

. .

ED

0 2

3

4

5

6

7

vaarsnelheid t.o.v. de afvoer (mis) Ook voor middelgrote schepen is er een negatieve correlatie tussen snelheid en OBS. De hoogte van de correlatie is echter wel minder groot dan bij grote schepen.


47

De onderstaande correlaties en scatterplot geven de relatie weer tussen snelheid en schepen tot 1000 m 3 (allen relatief klein). Tabel 6.5. Correlatie kleinere schepen met vaarsnelheid Correlations

VOEVER 1,000

Spearmans rho VOEVER Correlation Coefficient Sig. (2-tailed) N VSTROOM Correlation Coefficient Sig. (2-tailed) N OBS Corretation Coefficient Sig. (2-tailed) N EMF Correlation Coefficient Sig. (2-tailed) N FLUX Correlation Coefficient Sig. (2-tailed)

1

46 1,000* 1 000 46 -,232 120 46 -210 161 46

1

N

-270 069 46

VSTROOM 1,000* 000 46 1,000

, 46 -,235 115 46 -209 163 46

OBS -,232 120 46 -,235 115 46 1,000

-,272 068 46

, 46 129 394 46 442*

EMF -21 0 161 46 -209 163 46 129 394 46 1,000

FLUX -270

,

000 46 1,000

46 910*

002

000

46

46

069 46 -272 068 46 442* 002 46 910*

46

Correlation is significant at the .01 level (2-tailed).

Afbeelding 6.4. Scatter-plot vaarsnelheid versus obs, voor kleinere schepen die stroomopwaarts varen 160 140

• ••• •

. - .1 __ • 1 — ••..

120

. . .

••

••%

• .

100

80

60 40

-K

0)

20.

(1)

o

0 2

3 4 5 6 7 8

vaarsnelheid t.o.v. de afvoer (mis) Voor relatief kleine schepen is er geen significante negatieve correlatie waar te nemen tussen snelheid en OBS, EMF en FLUX.

48


6.3. Conclusie

Snelheid is negatief gecorreleerd met OBS, EMF en FLUX. Dit is niet logisch omdat de snelheid juist een positief effect zou moeten hebben op OBS, EMF en FLUX (hoe hoger de snelheid des te hoger OBS, EMF en FLUX bij uniforme scheepskarakteristieken, rivierkarakteristieken en belading). De verklaring hiervoor ligt hem in het feit dat in de onderhavige set zeer veel variatie voorkomt in de grootte en snelheid van schepen. Met name onder-watervolume en diepte van de schepen hebben veel effect op de snelheid. Indien correlaties worden berekend op de totale dataset of delen hiervan heeft men te maken met een grote verscheidenheid aan scheepsgrootten en scheepstypen zodat de correlatie tussen snelheid en OBS, FLUX, EMF niet de "pure" correlatie, maar een schijncorrelatie weergeeft. De snelheid van een schip kan afhankelijk worden gesteld van het type schip, grootte van het schip, belading van het schip, stroomop- of afwaarts, enz. Verwacht mag worden dat er een positieve correlatie bestaat tussen snelheid en OBS, EMF en FLUX indien een set van schepen kan worden samengesteld die uniform is (zelfde type, grootte, onder-water-volume, etc.). Gezien het feit dat het onder-water-volume, waaronder met name de diepte, het zwaarste gewicht krijgt in de relatie met de snelheid en het feit dat niet of nauwelijks een deelset is samen te stellen met uniforme scheepstypen en beladingen is het risico zeer groot te maken te hebben met een negatieve schijncorrelatie. De correlaties tussen snelheid en OBS, EMF en FLUX moeten dan ook met enige terughoudendheid worden geïnterpreteerd. Gezien het relatieve zware gewicht dat wordt toegekend aan het onder-water-volume, waaronder diepte, is de verwachting dat bij een gevoeligheidsanalyse met name effecten van het onder-watervolume en afstand zichtbaar zullen worden en dat het effect van de snelheid veel minder zal zijn en mogelijk zelfs nihil. Daarnaast blijkt er een duidelijk positief lineair verband te bestaan tussen de grootte van het schip, in termen van het onder-water-volume, en de waargenomen wateren sedimentbeweging in het kribvak ofwel hoe groter het schip des te groter het effect daarvan op de wateren sedimentbeweging in het kribvak.

Witteveen-i-Bos Rw716.2 Kunstmatige en Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal definitief d.d. 7 december 1999

49

7. CONCLUSIES EN AANBEVELINGEN conclusies Op basis van correlatie-analyse en factor-analyse kan het aantal onafhankelijke invoervariabelen voor een KNN worden teruggebracht van 11 tot 4 â 6. Te weten: - locatie (voor de miniframes); - richting (indien beide vaarrichtingen in de dataset zijn vertegenwoordigd); - onder-water-volume; - snelheid t.o.v. de afvoer; - passage-afstand ; en - natte dwarsdoorsnede van de rivier. Het blijkt dat de invloed van beladen scheepvaart aan de oevers een aantoonbaar groter effect laat zien op de wateren sedimentbeweging in kribvakken dan onbeladen scheepvaart. Verder vallen negatieve correlaties waar te nemen tussen de vaarsnelheid van het schip t.o.v. de afvoer en de waargenomen wateren sedimentbeweging in kribvakken. Dit is niet logisch omdat de snelheid juist een positief effect zou moeten hebben op wateren sedimentbeweging (hoe hoger de snelheid des groter het effect op de wateren sedimentbeweging bij uniforme scheepskarakteristieken, rivierkarakteristieken en belading). Het is echter niet mogelijk om uniforme datasets samen te stellen zodat er sprake kan zijn van een negatieve correlatie tussen vaarsnelheid en de waargenomen wateren sedimentbeweging omdat alle vormen van scheepvaart in de dataset zijn vertegenwoordigd. Gezien het relatief zware gewicht dat wordt toegekend aan het onder-water-volume is de verwachting dat bij een gevoeligheidsanalyse met name effecten van het onder-water-volume en afstand zichtbaar zullen worden en dat het effect van de vaarsnelheid veel minder prominent zal zijn en mogelijk zelfs nihil. Er blijkt een duidelijk positief lineair verband te bestaan tussen de grootte van het schip, in termen van het onder-water-volume, en de waargenomen wateren sedimentbeweging in het kribvak ofwel hoe groter ofwel hoe zwaarder beladen het schip des te groter het effect op de wateren sedimentbeweging in het kribvak. aanbevelingen Op basis van de correlatie-analyse en de factor-analyse zijn een aantal invoer datasets voor een neuraal netwerk samengesteld met onafhankelijke invoervariabel. Het verdient de aanbeveling om de modellen zo te construeren dat voor elke invoervariabele een relatieve bijdrage kan worden geschat in het verklaren van OBS, EMF en FLUX. Deze relatieve bijdragen geven een globaal overzicht van invoervariabelen die voor de betreffende modellen het beste gerelateerd kunnen worden aan de uitvoer (lineair of niet-lineair). Om eventuele effecten te schatten van diverse (combinaties) van invoervariabelen dienen diverse onafhankelijke invoersets te worden gedefinieerd die elk kunnen worden doorgerekend. Het verdient aanbeveling een exercitie uit te voeren met hoofdcomponenten als invoer. Mogelijk kan dit leiden tot een aanzienlijke verbetering van het voorspelmodel. De afgeleide hoofdcomponenten c.q. factoren zijn onderling onafhankelijk en dienen derhalve als aparte invoervariabelen voor een KNO. Omdat de achterliggende formulering gebaseerd is op regressie kunnen veranderingen in de invoer worden teruggerekend. Het is echter een indirecte benadering van een gevoeligheidsanalyse en kan tevens dienen als extra onderbouwing van hetgeen mogelijk wordt waargenomen bij een gevoeligheidsanalyse met oorspronkelijk onderling onafhankelijke invoervariabelen.


51

8. REFERENTIES Bhowmik, N., et al, 1995. Return blow in rivers due to navigation traffic. Journal of hydraulic engineering / december 1995. Brinke, W.B.M. ten. Persoonlijke mededeling. Rijkswaterstaat RIZA. Brinke, W.B.M. ten, Kruyt, N.M., Kroon, A., en J.H. van den Berg, 1999, Erosion of sediments between groynes in the Waal River due to navigation traffic. Proceedings 61h Int. Conf. FIuv. Sed. Spec. Pubis int. Ass. Sediment. 28:147-160. Hochstein, A.B., Adams, C.E., 1989. lnfluence of vessel movements on stability of restricted channels. Journal of Waterway, Port, Coastal, and Ocean Engineering 1989. Kruyt, N.M.,1997. Kribvakmetingen Druten/Ochten. Variaties tussen meetsignalen op Hoofdlijnen. Instituut voor Manen en Atmosferisch Onderzoek Utrecht. Kruyt, N.M.,1997. Kwantificering van sedimentbeweging in kribvakken onder invloed van scheepvaart in de Waal in het traject bij Druten-Ochten tijdens de zomer van 1996. Instituut voor Manen en Atmosferisch Onderzoek Utrecht. NeuralWare, Inc., 1991. Neural Computing. Handleiding NeuralWare. NeuralWare, Inc., 1996. Neural Computing. Handleiding NeuralWare. Schulze, F.H., 1994. Analyse van tijdsafhankelijke OH-relaties en waterstandsanalyse in relatie tot autonome bodemdaling voor de Bovenrijn te Lobith over de periode 1956-1995, Werkdocument 96.166x Rijkswaterstaat RIZA. Schulze, F.H., 1997. Bepaling geschikte parameters scheepstypen en vaststelling ondergrens relevante scheepsgrootte. Werkdocument RWRI9701.1 SIM. Schulze, F.H., 1998. Validatiestudie ondergrens scheepslengte KNN-kribvakken. Werkdocument RWR19802.1 SIM. SPSS lnc./Recognition System Inc., 1997. Neural Connection. Handleiding Neural Con n e ct i o n. Waterloopkundig Laboratorium, 1991. Waterbeweging door scheepvaart op rivieren en in kribvakken. Waterloopkundig Laboratorium / WL 1991. Schulze, F.H. 1998. Kunstmatige Neurale Netwerken kribvakken Waal. Fase. 1 en 2. Rapport Witteveen+Bos Rw761.1.


53

BIJLAGE 1 OVERZICHT BASISGEGEVENS

Tabel 1.1: basisstatistieken grote frame kleine kribvak zuidzijde RF2

Valid N

OBS 227 EMF 227 FLUX 227

Mean

Median

Sum

107.71 0.21 7.73

100.61 0.21 7.42

24451.23 47.92 48.23 0.08 2.42 1754.53

Minimum

Maximum

Variance

StdDev.

235.89 0.47 21.29

564.21 0.00 5.77

23.75 0.05 2.40

Maximum

Variance

Std.Dev.

171.02 0.38 11.93

356.23 0.00 3.38

18.87 0.07 1.84

Tabel 1.2: basisstatistieken miniframes kleine kribvak zuidzijde MF2

Valid N


Minimum

Mean

Median

Sum

36.19 0.17 2.26

30.85 0.16 1.72

16648.62 11.29 78.34 0.05 1041.56 0.23

Tabel 1.3: basisstatistieken grote frame grote kribvak noordzijde RF3

Valid N


Mean

Median

122.93 124.82 0.27 0.27 11.37 11.38

Sum

Minimum

33067.37 7.17 72.91 0.09 3059.39 0.65

Maximum

Variance

Std.Dev.

189.58 0.42 19.03

519.15 0.00 9.66

22.78 0.05 3.11

Tabel 1.4: basisstatistieken miniframes midden in grote kribvak noordzijde MF3m

Valid N

Mean

Median

Sum

Minimum

OBS EMF FLUX

254 254 254

37.39 0.14 1.90

33.98 0.13 1.42

9496.63 6.81 35.33 0.04 482.48 0.25

Maximum

Variance

Std.Dev.

111.80 0.27 9.04

261.75 0.00 2.09

16.18 0.06 1.44

Tabel 1.5: basisstatistieken miniframes benedenstrooms in grote kribvak noordzijde MF3

Valid N


Mean

Median

Sum

50.14 0.16 3.08

42.43 0.16 2.37

13838.18 1.67 45.39 0.06 849.31 0.09

Minimum

Maximum

Variance

Std.Dev.

270.24 0.29 22.63

1141.14 0.00 8.97

33.78 0.06 3.00

OOS

CorrelatiOflS

=-

Grote frame kleine kribuak zuidzijde

OBS. EMF. FLUX 9roto frame kleirre kribvak zurdz , Ide

-

-----

1 1

260

MMIMMMEMI ---------

220

EERIE

------= u..;; ---------

---

80

180

--

140 0 100

--------

60

20

40 80 120 160 200 240

FLUX

EMF

Grote frame kleine kribvakzuidzi(do

Grote frame kleine krrbvak zuidzijde (mini

ii

0.36

16

03 12 i 025 0.2

Scheepop000ege II) 0 80 120 160 200 248

.. _____ i ...T 1

0

40 80 120 160 200 240

OBS

mium I---------j m

160

ee.

all

1

r.

:=

EMF 0.45

0.35 03 0.25 02

015 0.1

r-t2I,L1lfl

Corretatrons

CBS

MEN ____w

Grote frame grote kribvak000tdzijdo

OBS,EMF,FLUX grote frzrrro grote kribook 000rdoijdo

----

•

w1Tp.WrI

—

240

%•z

200

1 .••uuu

160

_...... 120 0 80

!E!!

!!!

40

-

—

50 100 150 200 250 300

FLUX

EMF Grote frame grote Irriboak noordzijde (m15

Grote framo grote kriboak 000tdzijde

(kg/m)

14

03 025

10

0.2

6

SohoepspaesagelJ

1 I

JI

1"6

1

Scireepspassage

1fl

0 100 150 200 250 300 0 50 100 150 200 250 300

0 orrela loon

CBS

OBS.EMFFLUX minlltamne rniddoo grote kribaalt noordzijde

T.

120

Minitramos midden grote kriboak neordeijde

100 go 60

NONE

0 40 20

MOM 20

80 120 160 200 240 280

FLUX

EMF

Minifremes midden grote kriboak noordzijde

Minitrames midden grote kribvak noordzijde 11

03 mr/s)

(trglm) 1

pspassage

a. 01 ,

0.06 _________________________________________________ 0 40 80 120 160 200 240 260 0 40 80 120 160 200 240 280

065

Correlalione

Minulrames benedonstrooms in grore kriboak noordzijde

085EMF,FLUX minilrames benedenstrooms in grote Irriboak 300 ()g 1)I1) ---

MOMMIN-

260

ri pi PJ ------Li•1

•.iu•••u -

____

....

220 180 141

100

I1I

20 Schenpnpaesags jij

MM

:20

50 100 150 200 250 300

FL00

EMF

Minilrames benedenslronme In grote kribvak noordzijde

Minilrames benedenstrooms in grote kriboak noordzijde 28

032

(kgtm)

(rrz/s) 24

0.28

gtÜj

Scheepspassagej 0 50 100 150 200 250 300 0 50 100 150 200 250 300

SlalISliol, 8F2 (46e sohopan lenger d.n 68fl,)

4

Valrd

LENGTE 227

BREEDTE 227

0

0

23,3480

88.0441

0 9.5264

DUUR 227

RoerIg Moor Old Errorol Moor M,er900

Variarrce Skewnels

I

FLUU 227

DIEPTE 227

RICHTING 227

ROOTANO 227

VOEVER 227

VOLUME 227

AC 227

AM 227

VOTROOM 227

M000REE 227

OBS 227

EMF 227

0

0

0

0

0

0

0

0

0

0

0

2,5273

1,5242

0 35,5441

4.2601

2364,0570

1210,0423

24.7503

'.2729

9,1170-02

107.7147

.2125

7,7292

9,186002

162.5665

.7917

1.0288

.2880

4.969003

1.5766

3,354E'03

.1594

24,0000

-2.1600

7,620E-02

1006100

.2100

7,4200

9012 20,0000

1,7553

2064

6.115E'02

3.322002

2.8156

81.0000

9,0000

3,0000

2.0000

50.0000

4.1500

1806.0000

1206.4000

15,00

67,00

3.00

2,00

150,00

5.00

28,50

1,17

.06

99,47

.20

26,4468

.9213

.5005

42,4212

1.3840

1538.32 2449,3412

1206,80

13,5783

8.20 3.1397

11,9279

15,5012

4,3386

7.517E'02

23.7532

5,0540.02

2,4021

2.054643

5.7699

Modo Old Ovaoson

I

7.07'

1843695 2,741

699,4317

9,8577

.8488

.2505

1799,5556

1.9155

5999272

142,2747

240.2860

18.8232

5,6500 ,03

564.2130

1.999

3.025

'.884

'.098

.379

.655

3.846

.687

2,378

.034

3,185

1.271

.963

.162

.162

.162

.162

.162

.162

.162

.162

.162

.162

.162

.162

.162

.162

18.020

'.836

8,200

.1,738

10.736

.162 3,432

3.237

7.820

.322

.322

.322

.322

.322

.322

.39

187.97

.39

.322 18,87

.02

47,92

Old Error 01 Skee,ness 60,10cr, Old Error of Kurloee

9.511

4,524

10,109

'.306

'2,008

'.019

.960

.322

.322

.322

.322

Rone

.322 170,00

.322 8.42

16099.20

31,20

86,64

.322 16.78

40,00

1.15

316,80

1190.60

4.56

.8,68

1.015

92,00

126,00

16,60

3.60

.322 1,00

Mkorovnr

700

6000

600

40

1.00

Maorrrurrr

99,00

186,00

22.80

4,00

2,00

210,00

8,57

16416,00

1229.80

91,20

8.10

.41

235,89

.47

21,29

2162,50

573,70

346,00

30655,00

967,04

541180,93

274679,60

5618.31

'41,94

20.69

24651.23

48,23

1754.53

19986,00

5300,00

S. Poroerrslos

25 50 75

3.1900 100.0000 1.0000 8.0000 2.0000 4,1500 150,0000 2,0000 3,0000 8.0000 1 270000 1 100,0000 1 100000 1 3.0000 1 2,0000 1 170,0000 1 5.1900 150000

670000

20,0000

81,0000

2.42

.06

1238.1600

1198,6000

17,8200

4,2300

5.460E'02

92.7800

.1800

6.4300

1806.0000

1206,4000

24,0000 28,5000

'2,1600

7.620002

7,4200

9,990042

100,6100 117,5900

.2100

4,0600

.2400

89000

2700 0000 112298WO

a MulIrplo modoseorsl The Orralleel valUO Is showo

SIslielic,. RF2 (Opweede)

N

Valld

Mealr

I AC

ÂPSTAND 123

VOEVER 123

VOLUME 123

123

123

'ISTROOM 123

510009EV 123

060 123

0

0

0

0

0

0

0

0

0

0

9.4911

2,3650

1,0000

101.5447

3,2753

2502,1525

210,8390

24,1702

4,0969

9,1610.02

111.7145

,2r06

2969

9,455E'02

.0000

3,4798

7,3770.02

276,6830

1.0771

1,6111

7,803E'02

7,0086.03

2,3512

4,572E'03

9,0000

2,9000

1,0800

00,0000

3,2300

607.2000

1206,4000

23,2000

4,0600

7,6206.02

02.2900

353,76 3,00' .8182 3057.4727

f208,40

28,50

97,22

. 18

11,9460

17,8683

.8654

7,772E'02

26.0761

5,070E'02

2,5716.03

BREEDTE 123

0

0

0

28,3333

87,3740

AH

1.3708

2,8281

Mer900

29,0000

80.0000

Mede Old 00010500

3,00

1,00

100,00

15,2034

31,3650

3,2825

1,0487

.0000

38.5927

231,1421

983,7606

10,8403

1,0957

.0000

1489,3976

.6694

9348139

142,7060

319,2764

.7489

6,0416.03

679,9653

2,442

1.472

2.499

'.415

.222

1,088

3,272

.814

1.923

.568

2,781

1,289

.218

.218

.218

.218

510. Error 01 Meer,

21,00'

Verloor, Skewrrose 514 Error olSkeerro8S Kurlosrs Old Error 01 KurlO9S Rerrga luSrrinrur,r

6.837

2,505

7,790

.1.202

.433

.4.33

.4.33

.433

90,00

161,00

18.80

900

25,00

4,00

.218

3,86'

08'

0

2000

F 7,4WO

1.671

1,315

.218

.218

.218

.218

.218

.218

.218

.218

.218

.218

.745

4,561

12,148

.987

5,139

4,640

8,722

3.404

5,098

5.497

.433

.433

.433

433

433

433

433

.433

.433

433

433

3,30

.00

170,00

5.99

16241.00

31.20

87,70

7,21

.41

188,58

.37

16.33

.70

1,00

40,00

1,28

179,00

1198,60

3.50

.89

00

47.31

.10

2.42

7.27

18,75

99,00

186,00

22,80

4,00

1,06

210,00

91.20

.41

235.89

.47

10747,08

1167.40

290,90

123,00

12490,00

402,86

16416.00 307764,76

1229.80

3495,00

148933,20

2972,94

503,92

11,27

13740,88

25,90

976.27

25

20,0000

67,0000

8.0000

1,0000

1,0000

80.0000

2,8100

810,0000

1206.4000

9,0000

5,480E'02

93,8500

.1800

6,5600

50

25,0000

80,0000

9.0000

2,9000

3,6600 0,0800

75

31,0000

100,0000

10,5000

7,620E.02 23.2000 100,0000 3,2300 1607,2000 1206,4000 1,0000 3.0000 1 1,0000 1 125.0000 1 3.6700 13000,0000 11229,8000 1 31.5000 1 4,4900 1 .1121

102,29DO 124,1100

.2300

Marerrrurrr Sunr Percenliloe

8,20'

67,00

EMF 123

RICHTING 123

LENGTE 123

Msong

I

DIEPTE 123

DUUR 23

8,10

.2000

7,4900 1

9,2200

MuInple m030S Corel Tno 61,011551 value rs ShOwn

SlstIstICS, RF2 (Alweerle)

N

VaIrd

DUUR 134

VOLUME 134

0

0

0

5,1353

1890,8628

1208,4373

0

0

0

0

8,9336

2,5328

2.0000

163.0597

I 060

AM I VSTROOM 134 134

4000REE 134

134

EMF 134

0

0

0

0

0

0

22,6527

4,2866

7,820E'02

100,6654

.2158

73651

4,4006.03

.1936

.2100

7,1100

.6680

2,0172

.2586

7,185E'02

.0000

2,0479

.1029

124.3639

.9982

1,0866

.1024

6,075E'03

16.0000

80,0000

8,2000

2,8500

2,0000

160,0000

5.0000

1819.5000

1206.4000

22.9600

1.1800

5,B70E'02

96.4200

15.00

67,00

8,20

3,00

2,00

150,00

5,00

1968,00

1206,40

27,00'

7,7325

23,3503

2,9930

.8317

.0000

23.7065

1,1914

1439,6158

11,5540

12.5778

59,7913

545,2370

8,9583

.6817

.0000

561,9964

1,4194

2072494

133.5087

158,2016

3,304

'1,270

3,264

1,117

3,745

Old. Error 01 SkewrreSs KurlOeio 510. Error of Kurfosio RarrgO MrrrrrO51rr

1,877

209

209

208

209

23,010

5775

13,060

580

.543 .209

.438

2.963

FL00 134

4,17

.06

99.47

.22

1,1854

7,033E.02

19.9780

5, r62E'02

2.2407

1,4051

4,944603

369,0411

2,665603

0,0206

.433

3,634

.746

.444

5,88'

1,781

209

.209

.209

.209

.209

.209

.209

.209

.209

.209

291

2,756

14,091

'.293

14.714

2,746

14,750

1.104

1,186

10,401

.416

.416

.416

.416

.416

.416

.416

.416

.416

.416

.416

.416

.416

.416

.418

67,00

140,00

17,80

3,60

.00

110.00

8,42

9312.00

31.20

66,64

6,36

7,00

40,00

5,00

.40

2,00

106,00

1,15

264,00

1198,60

4,56

'8,68

.01

47,92

.08

2.46

91,20

'.32

.41

160,05

.40

21,29

3035,46

.574,40

10,48

13529,37

28,92

580,93

.40

112,13

.32

18,83

74,00

180,00

22,80

4,00

2,00

210,00

9,57

9576,08

1229,80

2224,00

10767,00

1197,10

339.40

268.00

21850,00

688,13

253375,62

161930,60

12,7500

4,4700

69,4300 .1900 6.1750 4,8550 5.1656.02 17,8200 1196.6000 1198,6000 95.4200 .2100 7.1100 -4,1800 5.8706.02 22,9600 1619,5000 1206,4000 12340,3750 j1206.4000 1 27,0000 1 '3,6325 1 6.7806.02 1 109,0620 1 .2400 1 8.5625

Maurrrran

150,0000

67,0000

7,8500

2.6750

2,0000

50

15,0000

60,0000

8.2000

2,8500

2,0000

160,0000

75

18,2500

90,0000

9,5000

3,0000

2.0000

170,0000

25

134

1.7257

SkewrreSs

POr96rl8eS

VOEVER 134

80,3507

Old. Deviolron

Oslo

RICHTING IAFSTAND 134 134

0

Mode VOrIarlcO

AC

DIEPTE 134

16,5970

Old Errorol Mean Med,drr

BREEDTE 134

0

1s1i69r,r5 Moor,

LENGTE 134

4- M4IrpIe noden 08,61 TlrO SrnOIIOSI 0914e IS ShOWfl

5,0000

1 5.7100

861116110e, 6F3 (alla schepen met een lengte langer dan Bom) RICHTING

AFSTAND

VOEVER

VOLUME

VSTROOM

MOD6REE

269

269

269

269

269

265

269

269

269

269

209

260

269

269

0

0

0

0

0

0

0

0

0

0

0

0

0

0

22.6662

86.6208

9,6613

2.3736

1.4535

134,5167

4,2767

2144,0698

1204.3123

22,6847

.2703

8,3886-02

122,9270

.2710

DUUR S

Veld

LENGTE

616909 Mea,r

Varrarroe

OOS

EMF

FL60 265 11.3732

1,5223

.2031

6.105E-02

3.041 E-02

2.0871

8.394E-02

136,7018

6663

8154

2724

4,906E-03

1,3992

3, 157E'03

.1895

9.9000

2,8000

1,0000

125.0000

4,1900

1644,2000

1203,8000

22,9600

3.2400

7,620602

124,8200

.2700

11.3000 035 0

14.00

67,00

8,20

3.00

1,00

125.00

5.00

1538,32

1203.80

28.50

'4,18

.06

12,3136

24,9674

3.3318

1,0012

.4988

34.2313

1,3768

2242.0765

10,9281

13,3741

4,4078

8.046E'02

22.7849

5,1666-02

3,1003

151.6238

623,3706

11.1007

1,0025

.2488

1171,7605

1,8955

5026907

119.4239

178.8665

19.9609

6,4740-63

519,1520

2,6716.03

9.6615

2.887

2,207

3.086

.472

.188

'.260

.485

4,573

-.160

2.500

-.200

3.153

.2.249

.165

'559

.149

149

.149

.149

.149

.149

149

.149

.149

.149

.149

.149

.149

.149

.199

8.601

5,915

9,325

5,872

'1,980

.778

.031

25,032

-.956

10,598

.1.747

9.520

10.574

.693

1.606

.296

.296

.296

296

.296

.296

.296

.296

.296

.296

296

.296

.296

.296

296

84.00

125,00

16.20

8,60

1,00

70,00

7.58

16119,06

31.20

86.25

16,03

.38

182.41

.33

18.38

2,00

60,00

6.60

.40

1,00

40.00

1,51

297,00

1188.20

4,95

.8,29

.03

7,17

.09

66,00

185,00

22,80

9,00

2,00

210.00

9.09

16416.00

1219.40

91,20

7,74

.41

10958

.42

16,03

36185,06

1150.42

576754,78

323900,00

6102,19

72,70

72,91

3059,39

Skewn080

600000

Old Error 01 60110510 Ran5e &Snrrrrurn Ma3rmurn

115,60 °

.28

.60

6151,00

23301,00

2598,89

638.50

391,00

25,25

33667,37

25

15,0000

67.0000

6,2000

1.0000

1.0000

125.0000

3.7750

1098.8000

1203.8000

11,4000

-4.3300

5.670602

118.2650

.2400

9.6000

50

20,0000

80,0000

0,0600

2,9000

1.0000

125,0000

4,1960

1648,2000

1203,8000

22,9600

3,2400

7,6206.02

124,0200

.2700

11,3000

75

27.5000

95,0000

9,5000

3,0000

2.0000

j90

51900

2497.5000

206.4000

28,5000

4.1700

8.780602

132.2000

.3000

34050

LENGTE

BREEDTE

AU

065

175

175

175

0

0

0

25,8114

80,7314

5-

4

AM

80.0000

Old Errorol Slrewnosn

Poroanoles

AC

7508

Mode Old Oeaahon

DIEPTE

20,0000

SlA Error 01 Me4n 6101937

BREEDTE

MuIVpIe modeo OxrSI The mnallesl value IS shown

Slelletloe, RF3 (Opwaarte) DUUR N

Vald 6190110

Meoor

VerrerrCe

VOLUME

I VST900M

M006REE

175

175

175

175

175

175

175

175

175

0

0

0

0

0

0

0

0

0

0

0

8,9130

2,4044

1,0000

50,3429

3,3496

2099,8286

204.5726

22,3572

4,1625

7,883602

124.0677

.2706

11,4902

.0000

2,7735

6,688602

187.5716

.8186

1,0481

6,6020-02

5,146603

2,0325

4,l98E'03

2663

1,0000

150,0000

3,2000

1648,2000

1206,4000

22,9600

4,0200

5,87DE.02

127,5900

.2700

11.5700

933

EMF

FLUX 170

.9975

2,1057

.2270

80,0000

8,2000

2,8000

20,00

67.00

8.20

3,00

1,00

170,00

.06

121,88

.28

13,1963

27,8992

3.0025

.8794

.0000

36.6055

.8847

2481.3395

0,8292

13.8604

.8852

6,807602

26.8878

5.554E'02

3.5233

174,1424

776,6918

9,0152

.7734

.0000

1346.1461

.7828

6157046

117,2723

192,2492

.7836

4,634E'03

722,9542

3,085603

12,4140

2,340

1,351

2,810

'.904

'.634

898

4.550

.196

2,632

.807

3,627

-2,198

.162

.184

.184

.184

.184

.184

.184

.184

.184

.184

.184

.184

.184

.184

.184 1,252

56009066 Old Error 01 Skewrr006 606065

Old Error 0? Rorlosis Range M40rrrurrr Maarrrrvfl

.184

2.50 °

494,46 °

1203,80°

28.50

3.38 °

.69 °

'.563

.770

1,374

23,736

-.900

11,956

1,303

15,082

7,903

.675

.365

.365

365

.365

.365

.305

.365

365

.365

.365

.365

3,70

.00

170,00

5.27

16401.00

31.20

90.30

5.29

.41

182.41

.34

18.38

.30

8,00

40,00

1,65

15,00

1188,20

90

2,45

.00

7,17

.09

7,660

4.144

11,885

'.309

365

.305

.365

.365

84,00

165,00

20,80

2,00

15,00

2,00

.60

06,00

160,00

22,80

4,00

1,00

210,00

6,92

16416,00

1219,40

91,20

7.74

.41

189,58

.43

9,03

1559,77

420,80

175,00

26310.00

586,21

367470,00

210800,20

3912,51

728,43

13,79

21711,85

47,30

2010,78

8,2000

2,0000

.0000

125,0000

2,7400

6.4000

451700

412800

25

18,0000

67,0000

950,0000

1203,8000

3.5500

5,8706.02

121,2600

.2300

9,5600

50

23,0000

00,0000

8,2006

2,8000

.0000

750,0000

3,2000

1648,2000

1206,4060

22,9600

4,0200

5,870E-02

127,5500

.2700

Ir .5700

75

30,0000

95,0000

9.5000

30000

.0000

170,0000

3.7900

7565,0000

204.4000

28,5000

46100

8,7800.02

34, 5000

.3000

136400

LENGTE

BREEDTE

AC

Surrr Peroentrlos

606068

175

0

23,0000

Mode Old 040ralrOn

AASTANO

175

6,648E.02

SId Errorol Moerr Modrarr

RICHTING

DIEPTE

Muloplo fl03 OS ecSl The 90131100 value in shOwn

Sletlelloe, RF3 (Atweerla) VOEVER

VOLUME

VSTVOOM

M009REE

153

03

153

153

53

153

53

153

53

153

153

153

153

53

22

22

22

22

22

22

22

22

22

22

22

22

22

22

22

15,3333

77,4379

9,0825

2,1670

2,0000

114,1503

5,4535

623,3438

204,7516

19,1917

-4,6408

8,499002

118,4443

.2761

11,1207

.1427

126.8927

.8278

.9683

.8427

7.093003

1,2544

4.0330.03

.2031

5,1800

18,4800

-4,3600

5,870E'02

118.2006

2700

10,9600

DUUR O

Veld Mrtong

Meen

096

EMF

FL60 153

2,3296

.3124

9.096E'02

.0006

73,0000

8,2004

2,6000

2,0000

25.0000

1254,0000

1203,8000

14,00

67,00

8,20

3,00

2,00

120,00

5,00

1538,32

1203,80

24,00

'4,18

.06

121,63

.26

7,7358

28,8161

3,8638

1,1251

.0000

26,7099

1,7654

15695795

10,2395

11,9778

1,7650

8,773E.02

15,5165

4,9886-02

2 51 25

59,8421

8303682

14,9293

1,2650

.0000

7134180

3,1165

2463571

04,8469

143.4669

3,1152

7,6976.03

240,7010

2,4886.03

6,3125

2,427

1.159

2,239

1,068

.1,329

3,092

3,808

'.208

1,076

.3,990

2,820

-3,918

4.35

.196

.196

.196

.196

.196

.186

.196

.196

.196

.196

.196

.196

.196

196

22,912

.123

1.552

060094050

Old Error 01 Skewrross Kufloers SId Error 01600056 Odrrgo ssrrrflurrr 690001001

9.991

3.881

6.217

7,323

.390

.390

.396

.390

57,00

178,00

20,80

.196

8,53 °

.,4r7

2,124

30,236

21,499

.637

7,265

30,200

7.065

.390

.300

.390

.390

.390

.390

.390

.390

.390

.390

390

130,00

18,49

12953,00

31,20

.41

15,99

8,70

00

80,10

18,48

139,61

.26

.00

7,00

2,00

.30

2,00

40,00

1,51

7,00

188,20

90

'19,18

DO

15,09

.16

58,00

185,00

22,80

9,00

2,00

170,00

20,00

12960,00

1219,40

81,00

'.70

.41

154,70

.42

17,55

1389,62

331,55

306,00

17465,00

834,30

248371,60

184327,00

2936,34

-710,04

13,00

18121,98

42,25

701,46

2346,00

PoroerrEles

AM

.6254

Old 0048009

Surrr

ASSTAND

14,0000

Mode VereIrce

RICHTING

2.1594

Old Errorol Moor Mertal

DIEPTE

11848,00

114,7700

.2400

9,5500

25

1,9905

91,5590

7,7000

1,0000

2,0000

100,0000

4,7450

840,0000

1203,8000

9,5000

-5,1000

50

14,0000

73,5005

8,2005

2,6000

2,0000

125,0000

5,1800

254,0000

1203,8000

18,4400

'4,3606

5,8706.02

119,2000

.2700

10,9000

70

17,0000

002000

9,5000

3,0000

2.0000

125,0000

5,9100

1960,0000

206,4000

24,6000

.3,9300

8,780E'02

124,5150

.3100

127850

Muilpie flodos 0010? The orralte0 oaluo is Showrr

4,855602

1,50

StoIICtkoC. MF2 clie echepon lengor den 60r,reter)

N

Val,d

BREEDTE

RICHTING

4USTAND

VOEVER

VOLUME

VSTROOM

M000000

460

460

440

400

460

460

460

460

460

460

460

460

460

460

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

9,097E-02

36,1927

.1703

22643

3.1730-63

8.568E-02

.1600

1,7200

M,ssog Meen

9,5161

2,5313

1.5217

134,8587

4,2609

2390,1439

1209.8930

24.7543

1,2620

.1459

4.288E-02

2.332602

1.9683

6.456602

114.8444

.5552

.7203

.2026

3.491E-03

.6900

9,0000

3,0000

2,0000

150,0000

4,1600

24,0000

-2,1260

7.6200.02

30,8500

FLUX 460

1795,5000

1206,4000

15,00

67,00

8.20

3,00

2.00

150.00

5,00

1530,32

1206,40

28,50

.4,17

.06

136766

27,0661

3.1297

.9198

.5001

42,2377

1,31350

2463.1412

11.9077

15.4492

4.3455

7,488E'02

18,8742

6.804E'02

1.9377

6067065

141.7940

238.6471

18,8635

5.60704)3

356.2342

4.6300-03

3,3773

.900

2,364

.560

2.133

81,0000

22.25 °

.13

1,72

187,0547

732.5754

9.7947

.8400

.2501

1784.0214

1.9182

2.661

1,960

2.999

'.869

-.087

-.368

.640

.114

.114

.114

.114

.114

.114

114

.114

.114

.114

.114

.114

.114

.114

.114

6,926

4.183

9.967

'301

.2.001

'030

.877

17,033

'.808

8.064

'1,736

10.612

10.605

-.297

6.696

.227

.227

.227

.227

.227

.227

.227

.227

.227

.227

.227

.227

.227

.227

227

93,00

126.00

16,80

3.60

1,00

170.00

8,42

16099,20

31,20

86,64

16,78

.39

159.73

.33

11.70

6.00

60,00

6.00

.40

0,00

40,00

1,15

316,80

1196,60

4,56

-8.68

.02

11.29

.05

54400095

Korroeis 610 Error 01 6098518 dengo lc4n,rrrorrr

3,740

.025

3.164

2,539

.23

99,00

186,00

22.80

4,00

2.08

210,00

9,57

16416,00

1229.80

91.20

8.10

.41

171,02

38

11.93

10746,00

40646.00

4377,40

1164,40

700,00

62035,00

1962,79

1103806

556550,80

11386.98

-118,21

41,85

16648,62

78,34

1041.55

MeOInrUrrr

Per000hiles

EMF

88,3609

Old ErrorolSkewness

Som

085

.6377

Mode

6896004

OM

AC

23.3609

20,0600

Med,On

DIEPTE

-.2570

SIU. Errorol Moen

Old Oeoeliorr

I

LENGTE

DUUR

25

15,0000

67.0000

50

20,0000

81,0090

75

27 0000 1 100.0000

8,0000

2.0000

1,0000

100,0000

3,1900

1238.1600

1198,6000

17,8200

'4.2300

5.460E.02

20,4250

1200

9,0000

3,0000

2,0000

150,0000

4,1600

1795,5000

1206,4800

24,0000

'2,1250

7,620E-02

30,8500

.1600

1.7200

1 100000 1 3,0000

2.0000

70.0000

5.1900

7700.0000

1206.4000

28.5000

4.0600

9.900E-02

12.4025

.2200

27600

1.0700

Mulepla modes 00,61 The snrelleol 6814418 ShOwn

SletlelIce, MF2 AlwoortO) DUUR

270 190

Vahd

270

270

MitOng

096

190

190

Merieo

MOO8060

270

270

270

270

270

270

270

190

190

190

190

190

190

190

190

IK

1885.9676

1208,3067

22,5671

4,3006

7,810E-02

35,2194

.1786

2.2697

4,021E'03

9,984002

.1700

1,8050

02.1

80.4222

8,0881

2.5267

2.0000

163.0550

1,4254

.1816

5,036E-02

0000

1,4302

7,2330-02

87,1894

.7029

.7600

7,199E02

4,267E'03

.9950

15,0000

80.0000

8,2000

2,8000

2,0000

150,0000

5.0000

22,9600

4,1800

5,9700.02

30,5350

1615,0000

1206.4000

15.00

67,00

8,20

3,00

2.00

150,00

5,00

1968,00

1206,40

30.00

4,17

06

24.38

.17

23.4218

2,9448

8274

.0000

23,4999

1,1886

1432,6680

11,5504

12,4887

1,1829

7,0110-02

16,3497

6.608E.02

1,6406

8.9068

.6846

.6000

552,2460

1,4127

2052537

133.4107

155,9688

1.3991

4,9160-03

267,3121

4.3660-03

2.6915

3,275

'1,246

3250

1,123

548.5754

3,676

1,827

140

148

.148

140

22.241

5,411

12,765

.529

Old Error 01 Ske6rreSt EoOoS,S 010, Error 01 Kurmos,s Rango l490rrorrr

270

7.7422 50,9385

Skewrrees

.562 .148

.410

2,988

'.405

3,603

2.473

.484

1,11

2,084

.148

144

148

144

.148

148

148

048

.148

.148

.305

2,640

13,925

-,288

14,730

2.626

14.421

11.576

-.074

6.278

.295

.295

.295

295

295

.295

.295

.295

295

.295

.295

.295

.295

.295

295

68.00

140,00

17,80

3.60

.00

110.00

8,42

9312,00

31,20

86.64

8,36

40

143.85

.33

11,60

6,00

40,06

5,00

40

2.00

100.50

1,15

264,00

1198,60

4,56

43,68

.01

11.59

.05

.25

74,00

180,00

22.80

4,00

2,00

210.08

9,57

9576,00

1229,80

91,20

'.32

41

155.44

38

11,03

4408,00

21714,00

2410.00

682,20

540,00

44020,00

1390,31

509103,24

326242,80

6093,12

.1151,17

21.09

0509.26

08,50

612.83

Meoirrrorrr Suro

'ISTROOM

270

190

.4712

Old Deoral,Orr 08,14008

VOLUME

270

190

16,6111

Mode

FLUX

VOEVER

270

AC

000

EMF

RICHTING JAFSTAND

5,1493

SId Errob of Moarm

PorcermliIee

BREEDTE 270

Meen

DIEPTE

LENGTE

25

12.0000

67,0000

7,4000

2,6200

2,0000

150.0000

4.4700

1108,8000

1198.6000

17.8200

'4,8700

4,2800-02

24,7550

.1300

1,1775

50

15,0000

80,0000

8.2000

2.8000

2,0000

150,0000

5,0000

1615,0000

1206.4000

22,9600

'4.1800

0,8700-02

30,5350

1700

1.8050

75

8.5000

90.0000

9,5000

3.0000

2.0000

170.0000

5,7000

2340.3760

1226.4000

27.0000

.3.6400

8.7800-02

42.6075

.2200

2,7525

AC

Stetisthce, MF2 (Opws,rt.)

N

VOEVER

VOLUME

'ISTROOM

800000E

250

250

250

200

250

250

250

250

250

250

250

250

250

148009

200

210

210

210

210

210

210

210

21

210

210

210

210

210

3,2815

2537,6874

1210,7056

24.2982

4,1035

9,145E-02

38,1128

.1574

2,1472

Mer9en

F LENGTE

RICHTING

OM

080

FLUO 250

9,4832

2,3816

1,0000

.9650

.2070

6.634E'02

.0000

2,4162

5,172E-02

194.2523

7005

1.1257

5,408E-02

4,885E'03

1,2776

4,327E-03

.1222

25,0000

9,0000

2.9000

1,0000

100,0000

3,2300

1607,2000

1206,4000

23,2000

4,0800

7,6200.02

30,0700

1400

1.5550

3.00

1,00

100.00

4.47

353,75

1226,40

28.50

8,20 0

21.00°

V008000

DIEPTE

28,4240

Mode Old Deurallor,

BREEDTE

101,5200

Old Errorol M006

3,69 °

06

22,25 0

.11 0

005°

15.2580

3,2740

1,0400

0000

38.2038

6178

3071.3987

11,8821

17,7908

8645

7.7240-02

20,2012

0,842E.02

1.9314

232.8075

0,7190

1.1003

0000

1459,5277

.6087

9433490

41,1640

316,7980

7473

5.966E-03

408,0092

4,6R2E-03

3.7302

.554

2,756

2,642

673

2,187

.104

.154

.154

.154

.154

.154

.154

.154

154

.154

.154

.768

4.280

11.190

'.951

4,899

4,380

8,549

9.969

-.400

5,096

.307

.307

.307

.307

al

159.73

.29

10.86

2.358

Skow,rOSO 510 Error cl SkewneSs Ko800le Old 0110100 00110010 RanQo 64fl,rrrUrrr

.460

2,473

-.419

.154

.154

.154

.054

6,304

2,282

7,613

'1,175

225

1.960

3,153

.828

1,884

.307

.307

307

.307

.307

.307

307

.307

.307

.307

307

9600

161,00

18.80

3.30

00

170,00

5,99

16241.00

31,20

87,70

7,21

9,00

25.00

4,00

.70

1,00

40,00

1,28

175,00

1198,60

3,50

.89

.00

11,29

.04

23

99,00

186,00

22,80

4,00

1,00

210,00

7,27

6416.00

1229,60

91,20

8,10

.41

171,02

33

11.09

7106.00

21988,00

2370,80

595,40

250,00

25380,00

820,38

634421,84

302076,40

6074,04

1025,88

22,86

9028,20

39,36

530,79

25

20,0000

67,0000

8,0000

1.0000

1.0000

80,0000

2,8250

843,7000

1206.4000

9,0750

3,6600

5,400E-02

23,8225

.1075

8075

50

25,0000

80.0000

9,0000

2,9000

1.0000

100,0000

3,2300

1607,2000

1206.4000

23.2000

4,0800

7,620E-02

30,0700

.1400

1.5550

4.4925 1 .1121

40,7700

.2000

2.6275

Moahrrrurrr SOlO Per080lllee

EME

400TAND

6014

DUUR

75

31 5050

8. ASjIjphe modes asIel The 801411861 0510818 showrr

100.0000

10,5000

3,0000

1.0000

3,6725

3000.5000

1229.8000

31.5000

010111116e, MF3 (Ole oolropon longefi den 60m) DUUR 276

LENGTE 276

BREEDTE 276

DIEPTE 276

RICI-ITINO 276

BOUTAND 276

VOEVER 276

VOLUME 276

AC 276

OM 276

VSTROOM 276

M000REE 276

03V 276

EMF 276

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

Mean SIO Errorol Mean

23,4493 .7803

87,3243

9.8868

2,4743

1,4638

131.0870

4.2309

2307,3417

1211.0340

24,4631

2026

9,9070.02

50,1383

1646

3,0772

1,5442

.2128

6,3570.02

3,007E.02

2.0730

8007002

163,0208

4691

.9183

.2649

5.15804)3

2.0334

3.3520-03

.1803

Medlan

20,0000

80,0000

9.0000

3,0000

1.0000

125.0000

4.1700

1859,3500

1203.8000

24,6000

3.0700

7,620E'02

42,4250

.1600

2,3650

14.M

67.00

8,20

3,00

1.00

125.00

4,79

2707.50

1203.80

28.50

4,18

.06

35,85

.12

1,12

12,9632 1680447

25.7201

1,0561

.4996

34.4396

4,4006

5.569002

2.9952

1186,0870

232,7686

19.3649

8,560002 7.342E'03

33,7608

2496

7,7936 60.7406

15.2568

1,1154

1,3302 1.7695

2708,3045

661.5216

3,5355 12,5001

1141 1406

3.020.03

8.9714

2.550

2,378

2,901

1.139

.146

.147

.147

.147

.147

'.377 .147

.374

.147

.147

.147

.147

.806

.400

18.776

.1,993

N

VaIld heeng

Mode Srd Devlalron Vanance Skewrr490 S1d Error 01 000wnons

7334913 4.178

.146

3,044

.174

FLUX 276

2,625 .147

-.172 .147

2,937 .147

.147

.147

3,389 .147

9,804

.1,791

7,789

13,668

'1,015

15.725

7,715

9,160

-1,993

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

.292

Range Mnrrrrrorrr

73.00

125,00

16.20

5.60

1,00

170,00

16084.35

15,60

66,26

14,23

.38

22.54

60,00

6,60

.40

1,00

40.00

331,65

1203,80

4,95

-7,05

.03

268,57 1.67

.23

9,00

8,35 1,51

.06

Maorrlrom

62,00

185,00

22.80

9.00

2,00

210,00

7,86

16416,90

1219,40

91.20

7,18

.41

270,24

.29

22.63

404.00

36160,00

1167,72

658906.32

334245,60

6751,82

5592

27,34

13838.18

45,39

849.31

1.0000

8.499

60110010 Srd Error 01 Krrlonrn

.09

6472.00

24096.00

2728.76

662,96

25

15,0000

67,0000

8,2000

2,0000

125,5000

3,1900

1233,7500

1203,8000

16,4000

4,1920

5,8700-02

31.4750

.1200

.3325

50

20,0000

80,0000

9,0000

3,0000

1,0000

125.0000

4.1700

1859,3500

1203,8000

24,6000

3,0700

7,6200.02

42.4250

.1600

2,3650

75

29,0000

55,0000

9,5000

3,0000

2.0000

150,0000

5,1500

2707,5000

1219,4000

28.5000

4,1000

8,7800-02

56.3750

.2100

3,6050

Veld

DUUR 76

LENGTE 176

BREEDTE 176

DIEPTE 176

RICHTING 176

,eXSTAND 176

VOEVER 176

VOLUME 576

178

OM 176

'ISTROOM 176

M009REE 176

CBS 176

EMF 170

FLUX 176

00

100

00

100

500

00

100

00

100

100

100

Do

100

500

81,9318

9.2953

2,42r4

1,0000

147.6705

3.3207

2438.3076

1211,2455

24,3135

4,1355

8,6350.02

49,2301

.1589

2,5334

4.5230.03

Sorrr POrCerrIIIeo

6,247

SlotlotloC, MF3 (Opwoorfl,)

O

005sng Moer

00 26.5114 1,0732

22358

.2664

6.949E.02

.0000

2.5552

24,0000

60.0000

8.7500

3,0000

1,0000

150,0000

30,00

07,00

8.20

3.00

1,00

150,00

Sla Error 01 Maan Mel6an Mode

AC

242.3472

.5890

1,2999

6.0550.02

6.0420.03

2,5920

3.2000 1859.3500 2,500 2707,50

1203,6000

24,6000

4.0150

7,OOSE.02

41,9000

1203,80

28,50

4.01

.06

35,85

.6028 .6445

8,016002 6,4260-03

34.3868 1182.4523

B.043E'02

9,1408

3,262

.292

3.755

.183

.163

.183

10,200

15,294

'.837

19.152

.364

.304

304

.304

4.62

.41

268,57

.24

22,54

.00

1,67

.05

.09

91.20

2,56 7,18

.41

270,24

.29

22.63 516.26

.9219

.0000

33,8966

.6018

3215.0991

7.8142

17,2451

.8499

.9000

1149,1136

.6428

1,DEe07

61,0612

297.3919

SkewrrasS Ord Error olSkewrrees

2.324

1.196

2.424

'.791

-.424

.880

3.733

.092

2.443

.885

3,163

.183

.183

.163

163

.183

.183

.183

.183

6,924

3,796

-.481

.546

1,358

13.893

.583 .20r5

.183

0080010

.183 8.078

7,972

1,363

.364

.304

.364

.304

.344

.304

.304

.384

.364

.304

.304

451100 Arrrrrlurrr

7700

165.00

20,60

3.50

.00

170,00

4,62

16401,00

15,60

90,20

5,00

15.00

2.30

.50

1,00

40,00

1.74

15.00

1203,80

1.00

Meolrrrurrr

82,00

60,00

22.60

4,06

.00

210.00

6,30

1219,40 213179,20

Old Error of Kurroois

.12 3,0247

3,6342 12,4908

1

.2200 2,2500

5,470002

29.6616 876.8125

.163

.1600 . 110 2,9920.03

14,2380 202.7199

510. 001410fl Vananca

I

4066.00

14420,00

1635,98

426,20

176,00

25990,00

584.44

16416,00 429142.14

4279.18

727,84

15.55

6664,50

27,96

25

190000

67,0000

82000

20000

1.0000

125.0000

2.7500

1016,4000

1203,8000

16.4000

3,5625

5.870E'02

30.4500

.5100

1.2375

50

24,0000

80,0000

6,7500

3,0000

5,0000

50,0000

3.2000

1850,3500

1203,8000

24,6000

4,0150

7,0650-02

41,9000

.1600

75

30.0000

95,0000

9,5000

3.0000

1,0000

170,5000

3,7900

2707,5000

1219,4000

28.5000

4,6025

8,780E-02

55,8000

.2000

2,2500 3,4350

DUUR 168 106

LENGTE 168

DIEPTE 168 158

RICHTING 168

ISOOTAND 166

VOEVER 08

VOLUME 568

168

168

VSTROOM 160

MODBREE 168

069 168

EMF 164

FL50 60

104

BREEDTE 168 06

108

108

108

104

104

108

108

108

108

158

ron

75.2500

6,6649

2,2768

2,0000

110.4167

5,4739

1633,9674

1210.1143

19.7707

.4,6599

6.r4rE.02

49,5083

.1712

3.1806

Old Erroror Meen

15,1667 .614.4

2.2829

.2934

9,264E.02

.0000

2.5331

,r623

108,5589

.5925

.8950

.1622

6.ssrE.oS

2,6104

4,0290.03

.2373

Medlen

140000

715000 67,50

6,2000

2,7500

2,0000

125.0000

5,1650

1429,1300

.4.3500

5,870002

2.4300

3,00

2,00

125.00

5.00

1538,32

24.60

.4,18

.06

41,4300 4 . 50e

.1700

8.20

1203.8000 203,80

20,5000

4,00

.22

1,31

7,9637

29.5892

3,6027

1.2500

.0000

32,8324

2,1033

407,0643

7.6401

11,6009

6,49rE.02

33,8343

5,741002

3.0759

63.4212

875.5180

14.4004

1,4418

.0000

1077,9691

4,4240

979886

58.9837

134.588

2.1028 4,4218

7,2rOE.03

1144.7546

3,296E-OS

9,4611

1,975

1,265

2.148

1.659

-.941

4.071

2,839

.392

2.847

.187

.187

.147

.187

.187

.187

.187

.107

2.912 .587

.043

.487

1.730 .187

4,070

.187

3.052 .r87

6,312

10,064

.399

26.r93

50,443

.1,869

7,976

11.205

.1,093 .373

52,059

.23

20,11

Surrr Percanrllao

Muinple modoeeOisl The Orrrelleer oelue is

5110160

Blntiotloe, MF3 (Afwee500)

3

00110

Maan

Mode 510 Deoelron Vanance heewrreno Old Error olskewn066 6411001e

.587

26.175

8,507

.373

.373

.373

.373

.373

.373

.373

.373

.373

.373

.373

.373

.373

178.00

20,80

8,70

.00

130,00

18,49

6429,00

15,60

80,10

18.48

.41

.30

2.00

40,00

1,51

7,00

1203.80

.90

-19,18

.00

226,38 ,50

9.00

2.00

170.00

6436,00

1219,40

81.00

'.70

.41

230.88

.29

20,34

28.76

535,68

4,498

rNrrrnronr

1.00

7.00

2,00

Maolnrurrn

53,00

65,00

22,80

1 06

.373 .23

2548.00

12642.00

1492.66

382.50

336,00

18550,00

20,00 919.62

274500.52

253299.20

.782,86

13,68

8317,39

25

11.0000

60,2500

7.3650

100.0000

4,7400

625.6250

1203,8000

11.1000

-5,0700

4,213E'02

30.2625

.1200

.3125

14.0000

71,5000

8,2000

1.0000 2.7500

2,0060

50

2.0000

125,0000

5,r650

1429,1300

1203,8000

20,5000

4,3535

5,8700.02

41,4300

.1700

2.4300

75

17,7500

9,4500

3,0000

2,0000

125,0000

5.4875

2004,9000

1219,4000

24,6000

.3,9300

8.663002

56,9500

.2200

39335

00fl,

Poronrrrlleo

III

52,00

6,865

Old Erroror 609061e Rarrge

.187

00

e MllI9plemodeseeiOt The grnnIIest value ie ehowrr

3321,48

Stotletloe, MF3m (40o .ohopen longor don 60,8)

N

Valid

AFSTAND

VOEVER

VOLUME

VSTR000

MODBREE

254

254

254

254

254

254

254

254

254

254

254

254

254

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

8.741 E'E2

37,3883

1391

1.8995

3,731003

9,063E-02

.1300

1,4200

EM

OOS

85,6696

9,3812

2.2642

1.4488

138.0118

4.3267

1885,9343

1196.9417

20.7623

7296

1.5263

.1890

5.838E'02

3.127E.02

2,1200

9.029E'02

99.5973

.5717

.6789

.2846

4,542E'03

1,0151

90000

60.0000

8,7000

2,8000

1.0000

125.0000

41900

22,6500

3.2500

6,955E.02

33,9750

254

1538.32W

188.2000

16,00

67,00

8.20

3.00

1.00

125X

5.00

1536,32

1188.20

27.00

'4.18

.06

11,6278

24,3266

3.0121

.9305

.4984

33,7873

1,4390

1587,3194

0.1109

10.8196

4,5357

7,230E'02

16.1787

5,947E.02

.4443

2519583

83,0084

117,0627

20,5726

5,2400.03

261,7509

3,536E4)3

2,2861

Mooie, Mode

VolisIrce

DIEPTE

.2720

SId Error 01 Maar,

ELUO

EMF

RICHTING

25E

22.3976

SId DeoaAorr

I AC

BREEDTE

MISN119 Moor

I

LENGTE

DUUR

24.94 0

. 07 0

.64 °

135,2049

591,7348

0,0726

.8658

2484

1141,5848

2,0708

2,363

1,986

3.364

-.634

.207

'.111

.565

.153

.153

.153

.163

.163

.153

.153

.153

.153

.153

.153

.153

153

.153

.153

12,142

.1,151

.1,973

.678

.264

20,485

.2,010

5,212

.1.711

12,693

3,211

'1.004

3,815

Sloewfless Old 6,10101 Skewrro5s

8,131

600006

5,274

3,768

.079

1.470

3.483

'.219

1,513

.381

1.714

304

.304

.304

304

304

.304

.304

.304

.304

304

.304

.304

.304

.304

.304

84.00

120.00

16,20

3.60

1.00

170.00

7,44

12161.X

11,20

67,05

16,03

38

10111

23

8.79

14911141fl

2,00

60.00

6.60

40

1.00

40,00

1,66

297,00

1188,20

4.95

'8,29

03

6,81

.04

86,00

140,00

22,80

4,00

2,00

210,00

9,09

12960,00

1206,40

72,00

7,74

41

111,80

.27

0,04

Mavrrrurrr

575,10

368,00

35055,00

1098.98

479027,32

304023.20

5273,62

69,08

22,20

9496,63

35,33

402,48

Old Error 01 Kurrosio RarrgO

5689,00

21916,00

25

15,0000

67,0000

8,2000

.0000

1.0000

125.0000

3.1400

997,5000

11882000

9,5000

.4,3500

5,870002

26,6600

9,000002

.8700

50

19,0000

80,0000

8,7000

2,8000

1,0000

125.0000

4,1900

1538,3200

1188,2000

22.5500

3,2500

6,955E'02

33,9750

.1300

1,4200

75

270000

000000

95000

3.0000

2,0000

170,0000

5,2400

3268,0000

1206.4000

27,0000

4,2300

8,780E.02

43,6750

.1900

2,0325

LENGTE

BREEDTE

60111 PeroonIlos

25

2382.82

MuI9pIO modos 04101 The 51,411051 value Is shown

SrotIotIoO. MF3nr 08000160) DUUR ei

5540

'1

1555119 MaaIr

66

VaflaflOe

MODBREE

EMF

DOS

FLUX

168

168

168

168

168

168

168

168

168

168

86

46

86

86

86

86

86

88

84

86

84

46

6,8750.02

36.9112

.1328

1,7738

4,0096.03

1,2943

4,287E'03

.1052

3,9900 3 , 38 0

5,870E'02

33,0200

1300

.3900

168

8.5021

2.3786

1,0000

152,9464

3.3571

1742,6396

1197.5167

20.2319

.9281

2,0184

.1781

6,505002

.0000

3.0627

7,427E'02

101,1664

1 7040

.6852

7,426002

23,0000

74,5000

8,2080

2,8000

1,0000

170,0000

3,1700

1474,2000

1206,4000

19,8800

16,00

67,00

8,20

3,00

1,00

170,00

5,00

1206,40

27.00

12,0297

26,1609

2,3042

.8431

.0066

39,6969

9626

1311,2530

9,1246

8,8807

9626

5,197802

16,7798

5,556E'02

1,3640

9266

1719384

83,2586

78.8674

.9265

2,701603

281,4272

3,087603

1.8606

.917

2.482

.348

2.222

144,7133

684,3923

5,3280

.7104

2,310

1,542

3.070

'1,044

.187

.187

187

.187

4,361

17,408

'.191

614 Error of Skevvrreos

8,020

Kv0004 514. Error 01 l5orlos,s Range

0000

1575.8474

.915

.06

4,020

22,44°

1,818

.08 0

.87

.048

.197

1 187

167

147

.187

,r87

.187

.187

187

.187

.187

848

1,265

9,601

-2,022

.202

1.286

22.874

4,339

'.925

7,443

'.810 .187

494 , 46 0

.373

373

.373

.373

.373

.373

.373

.373

373

.373

373

.373

.373

373

.373

04,05

160,00

19.80

3,70

.00

170.00

5,27

8622.00

18.20

47,10

5.29

.41

104.99

.23

8.79

2.00

Nkfljmvm

20,00

1,00

30

3,50

40,00

1.65

18,00

1188,20

.90

2,45

.00

6,6l

.04

.25

96,50

190,00

22,80

4,00

1,00

210,00

6,92

8640,00

1206,40

48,00

7,74

.41

111,80

27

9,04

4262,00

13323,00

1428,36

399,60

168,00

25895,00

563,99

292763,40

201182,80

3398,96

700,11

11.55

6201,08

22,31

297,98 .8325

Moarrrurrr

Peroerrlles

I

VOLUME

168

86

79,3036

SlrewflOSS

600

VSTROOM

618

VOEVER

166

86

25,3090

Mode Old 203410fl

I AC

AFSTAND

168

4,1673

Slot Errorol Mearr M00951r

I

DIEPTE RICHTING

25

90008

65,5000

7,2000

2.0000

1.0050

125,0000

2,6650

916,5750

1188,2000

16,0000

3,4700

3,910802

26,5475

8,2SOE'02

50

23,0000

74,5060

8.2000

2,8000

1,0000

170.0000

3.1700

1474.2000

1206,4000

19,8800

3,9900

5,870E.02

33.0200

.1300

.3900

75

29,0000

88.7500

9.0000

3,0000

1.5000

175,0000

3,7500

0268.0000

206,4000

_L29°

4,5700

7,620002

42.2650

.1600

2,4050

LENGTE

BREEDTE

M1I4EIe rrr000s eerst The ernallesr value is Show,,

StotlotIOO, MF3n, )Atw.0r10)

N

1

I AC

005

FL20

EMF

4HSTAND

006506

VOLUME

VSTROOM

MODBREE

Veld

135

135

136

135

135

135

135

135

135

136

35

135

135

135

119

119

lIg

19

119

119

119

119

119

119

119

19

119

rrs

119

1620,1116

1194,0415

18,5284

.4,6319

8,763E'02

36,7335

1458

1,9653

118,9259

5,4427

135

9.2517

2.0346

2,3831

.3256

8,6650.02

.0000

1,3074

1059

151.9104

.7835

1,0750

.1069

7.5180.03

1.2145

5,4776.03

1240

74,0000

8,2000

2,5000

2,0000

25,0000

5,2400

1100,0000

1206,4000

17,1600

'4,4400

5,870002

33.7600

.1300

1,4400

15,00

47.00

8,20

3,00

2,50

125,00

5,00

1538,32

1206.40

9.50

'4.18

.06

35.42

.07

74991

27.6897

3,7434

1.0068

.0000

15,1902

1.2420

1765,0388

9,1035

12,4903

1,2420

8.735E'02

14.1110

6,364602

1.4404

0000

230,7407

1,5427

3115362

82.8741

156,0084

1.5425

7,630E.03

199,1203

4,050E'03

2,0747

'.165

2,041

.1,199

2,841

.921

Mode Old Dedalron 56115000

2,0000

Not

.6454

Ord Error of Mearr Mediefi

DIEPTE RICHTING

15,0000

15,5259

Meen

80,1630

56,2363

766,7195

14,3140

1,0130

3,105

1.074

2,399

-280

.209

.209

.209

.209

15,029

3,458

6.689

.1.564

Skaos,ress Srd Error 01 Skewrress 600898

.414

Old Error 01 Kurlosis

56,00

Range

2,00

loifllrrrvrrr

.414 165,00 15,00

.288

1,206

.209

.209

.209

.209

209

.209

.209

209

209

.209

.627

2,761

24,889

'2,003

6,606

2,786

7,973

.785

.1,221 .414

.414

22

0,38

.642 .209

1,190

4,423

.414

.414

.814

.414

,4r4

.414

414

414

.414

414

.414

19,80

3,70

.00

70,00

6.95

12942,00

18,20

71,10

6,95

.41

58,32

3,00

.30

2,00

.64°

80,00

3,05

18,00

1188,20

90

.9,20

.00

11.41

.05

.773

32

58,00

80,00

22,80

4,00

2.00

50,00

10,00

12960.00

1206,40

72,00

'2,25

.41

79,73

27

6,70

2096,00

10822,50

1248,98

274,70

270,00

98095.06

734.76

218715,06

161735,60

2501,34

'625,30

11,83

4959,02

19.68

265.32

25

12,0800

63,0000

8.1300

1,0000

2,0000

100,0000

4,7700

825,0000

1188,2000

9,5000

.5.1800

5,730002

26,2000

9.000002

.9000

50

5,0000

76,0000

8,2000

2,5000

2,0000

125,0000

5,2400

1100,0000

1206,4000

17,1600

'4,4400

5,8700412

33,7500

.1300

1,4400

75

17.0000

100,0000

9,5000

3,0600

2,0000

125,0000

6.0000

1918,8000

206,4080

24.6000

.3,9700

8,780E.02

43,8050

.2050

27208

Maoirrrvrfl Sv,,, ParOerrIlIeS

I

ls8ssng

DUUR

&IspIo 00405 selsI The erralIasI value is shoon

BIJLAGE II KUNSTMATIGE NEURALE NETWERKEN

Kunstmatige Neurale Netwerken Het concept van Kunstmatige Neurale Netwerken (KNN) is van oorsprong ontwikkeld om het menselijk zenuwstelsel te modelleren. Deze modellen werden na verloop van tijd ook in andere disciplines geïntroduceerd, als wiskundig gereedschap voor het oplossen van problemen. De analogie met het menselijk zenuwstelsel geeft het werken met KNN een uitdaging. Een mens kan, als vanzelfsprekend, taken uitvoeren zoals herkenning, combinatie, generalisatie, enz. Dit zijn functies die niet eenvoudig in een (computer) algoritme zijn vast te leggen. Een computer kan zeer nauwkeurig lange series berekeningen volgens een expliciet algoritme uitvoeren. Dit is een taak waarbij de mens snel fouten gaat maken. Een KNN combineert het associatievermogen van de mens met het analytische karakter van een computer. Het menselijk zenuwstelsel is opgebouwd uit neuronen. Deze neuronen zijn in een hecht netwerk met elkaar verbonden. KNN worden ook opgebouwd uit (kunstmatige) neuronen (rekenelementen). De manier waarop de neuronen gegroepeerd zijn, bepaald de vorm van het netwerk. Een belangrijk onderscheid wordt gemaakt tussen feedforward en feedback netwerken. In een feedback netwerk kan een neuron met alle andere neuronen in verbinding staan, zodat informatie die als input aan het netwerk wordt aangeboden, in het netwerk rond blijft cirkelen. Feedback netwerken zijn o.a. geschikt voor patroonherkenning. In een feedforward netwerk gaat de informatie altijd in één richting, van input naar output. De neuronen worden in een bepaalde volgorde met elkaar verbonden. Door de fout terug te voeren door het netwerk ontstaat een wiskundig 'leerproces' waarbij het netwerk de gewichten aanpast om de fout te minimaliseren. Afbeelding 11.1. Een vereenvoudigde weergave van een neuron met drie inputs

(blus or cuusiam)

7 /

hO

bi

1' hi 1 ipur i

Wrighi h. loput puth

\ pil

neuron

Een KNN combineert de waarden van alle invoerparameters. De zogenaamde transfer-functies wijzigen de gecombineerde invoer. Deze functies zijn vaak eenvoudige mathematische functies, zoals sinus, sigmoïde, tangens hyperbolicus of lineaire functies. De uitvoer van de transfer-functie is in feite de uitvoer van het neuron, welke vaak weer als invoer dient voor een volgend neuron. Meestal zijn neuronen georganiseerd in verborgen lagen (zie afbeelding 11.2). Hieraan zijn twee buffers verbonden met de buitenwereld: een invoerbuffer met alle invoerparameters en een uitvoerbuffer met alle uitvoerparameters.

Afbeelding 11.2. Vereenvoudigde schematische weergave van een KNN

-

-

-

iiipt hf

uffer

-

Met name het zelfierende karakter van KNN maakt de techniek zeer krachtig. Op basis van de gegenereerde verschillen tussen modeluitkomsten en realisaties, fouten ofwel residuen, worden parameters in het model automatisch bijgesteld, zodat de uiteindelijke fout wordt geminimaliseerd. Zo ontstaat een leerproces waarbij een neuraal netwerk bij een bepaalde invoer de bijbehorende uitvoer kan reproduceren. Toepassingsgebieden van Kunstmatige Neurale Netwerken zijn: - Input- output modellering: hierbij wordt een model ontworpen die de (vele) inputvariabelen nauwkeurig kan koppelen aan de (vele) outputvariabelen. Klassificatie: de input-gegevens kunnen mogelijk worden ingedeeld in klassen van waarnemingen met bepaalde (fysische) eigenschappen. Hierbij wordt de onderlinge variantie (variatie) tussen waarnemingen van één klasse geminimaliseerd en de variantie (variatie) tussen klassen gemaximaliseerd. Gevoeligheidsanalyses: door een model te bouwen die de vele inputvariabelen zo nauwkeurig mogelijk probeert te koppelen aan de vele outputvariabelen kunnen onderlinge relaties tussen inputvariabelen en outputvariabelen en hun onderlinge gevoeligheden worden gevisualiseerd en gekwantificeerd. Low-pass-filtering: door een model te bouwen waarbij de equidistante tijdstap (tijd) als invoer dient en de bijbehorende waarneming als output dient kunnen (kan), indien men een schatting heeft kunnen maken van het 'time-window' waarbinnen gefilterd moet worden, laagfrequente signalen (signaal) worden gefilterd en modelmatig worden omgezet in een tijdreeks die representatief is voor dit laagfrequente gedeelte. Factor-analyse: door inputvariabelen en outputvariabelen in te delen in factoren met elk een bepaalde factoreigenschap is het mogelijk de variatie in de inputreeksen (inputfactoren) om te zetten in variatie binnen outputreeksen (outputfactoren). Met deze benadering is het mogelijk het relatieve aandeel te schatten van de 'ingevoerde' variantie (variatie) in de totale variantie (variatie) in de output reeks(sen). - Patroonherkenning: deze toepassing komt overeen met classificatie- en gevoeligheidsanalyses.

Neurale netwerken dienen net als andere modellen te worden gedefinieerd, te worden gekalibreerd en te worden gevalideerd (afbeelding 11.3)

gecalibreerd K N N

wiskundige formulering:

De inputs i = input en j = 1...n observaties in input i) van het neuron vormen de binnenkomende informatie. Aan elke input wordt een gewicht (Wh) toegekend, de gewogen inputs worden gesommeerd. De som wordt onderworpen aan een transferfunctie. De transferfunctie is een willekeurige functie als bijvoorbeeld een sinus, een sigmoïde, lijn of een tangenshyperbolicus functie. De transferfunctie is een belangrijk onderdeel van een neuron, de transferfunctie zorgt voor de niet-lineariteit van het netwerk. Een lineaire transferfunctie levert een lineair netwerk op. In dit onderzoek wordt gebruikt gemaakt van de sigmoïde transferfunctie. De uitkomst van de transferfunctie is de output van het neuron. De input, i, van het neuron bestaat uit i variabelen, x = x1 ....XNj. De bijbehorende gewichten zijn Wh 1 ....Wh N . De algemene berekening in een neuron zijn dan in formule vorm:

z = Wh1 x11 +W112 x12 +...+WhN x NJ De som van gewogen inputs is z, de output van het neuron wordt u genoemd, waarbij 1 1+e

Een laag neuronen wordt een hidden layer genoemd. Een KNN bestaat uit tenminste één hidden layer. Het netwerk kan zo groot gemaakt worden als gewenst, met meerdere lagen en / of neuronen. De parameters in het netwerk zijn de (geoptimaliseerde) gewichten waarmee de binnenkomende input vermenigvuldigd wordt. Elk neuron heeft een gewichtenset, een extra neuron levert dus extra parameters op. De input van het KNN is: x 11 =1x 1 + x 21

+ .....+

XN JJ

De input van het netwerk is de input van elk neuron in de eerste laag. De matrix Wh bevat de gewichtenfactoren van alle neuronen in de eerste laag. De gewogen input voor neuron k in de eerste laag wordt dan:

Zk = i (Wilik Xijk lik = 1

De output van de eerste hidden layer is: 1 k

1+e

De output van de neuronen in de betreffende laag is u k . In de output laag worden de elementen van Uk vermenigvuldigd met en gesommeerd over een "output, o" matrix Wo. In formule vorm:

y=

i

Het instellen van de gewichtenmatrices, de modelkalibratie c.q. training, wordt in de volgende paragraaf besproken. Het is van tevoren niet te bepalen hoeveel neuronen en hidden Iayers nodig zijn om een goed regressiemodel te krijgen. Dit is een iteratief proces dat geheel wordt overgelaten aan de deskundige zelf. Een 2-dimensionale functie (1 input variabele en 1 output variabele) heeft over het algemeen een kleiner netwerk nodig dan een complexe functie in een meerdimensionale ruimte. De opzet van een KNN is nu bekend. De parameters van het netwerk zijn tot nu toe altijd bekend verondersteld. De volgende stap is het kalibreren van het netwerk, het bepalen van de parameters. Bij KNN wordt dit trainen of Ieren genoemd: het netwerk wordt getraind om bij een bepaalde input de gewenste output te geven. Deze trainingsmethode komt overeen met het kalibreren van het model. In de loop van de tijd zijn verschillende trainingsmethoden ontwikkeld. De methode hangt af van het soort netwerk dat gebruikt wordt. In dit onderzoek worden de KNN getraind m.b.v. supervised learning. Het kenmerk van supervised learning is dat tijdens de training, bij elke input die aan het netwerk wordt aangeboden, ook de bijbehorende output aangeboden wordt. Deze methode ligt voor de hand als het netwerk als een regressiemodel of Low-pass-filter wordt gebruikt. Een heel andere trainingsmethode voor KNN is unsupervised learning. Hierbij wordt tijdens de training alleen een input aangeboden, het netwerk convergeert vanzelf naar een bepaalde output. Unsupervised learning wordt echter gebruikt bij KNN met een ander doel, bijvoorbeeld classificatieproblemen. Dit is een heel andere klasse van problemen dan de regressieproblemen en ook de Low-passfilter problemen waar we in dit onderzoek mee te maken hebben. Unsupervised learning zal daarom hier niet verder worden besproken. De meest bekende vorm van supervised learning is het backpropagation algoritme, ontwikkeld rond 1974. Backpropagation zoekt iteratief naar een goede combinatie m.b.v. de methode van steilste helling (steepest descent me-

thod)}. Deze numerieke methode zal eerst kort besproken worden, daarna komt het backpropagation-algorithme zelf aan de orde. De steilste helling methode is een iteratieve methode waarmee het minimum van een functie bepaald kan worden. Neem een differentieerbare functie. De methode begint met een willekeurig gekozen punt, deze wordt x0 genoemd. Het volgende punt wordt gevonden door: x,1+1 =x,1 —6'f'(x) De leercoëfficiënt 6 moet groter dan nul gekozen worden, en bepaalt de stapgrootte in een iteratie. De functie zal naar zijn minimumwaarde convergeren volgens: f(x 1 ) = f(x - f'(x,)) f(x)-6 (f'(x

))2

Dus f(x +1 is kleiner dan f(x). )

De steilste helling methode kan ook bij meerdimensionale functies gebruikt worden. In plaats van de afgeleide wordt dan de gradiënt van de functie f gebruikt: X = X, —5 V(f) Voordat de training begint, moet het netwerk geïnitialiseerd worden: de gewichten krijgen willekeurige startwaarden. De startwaarden moeten weI voor elk neuron verschillend zijn. De output van het geïnitialiseerde netwerk wordt nu berekend met een input uit de tralningsset. Deze netoutput wordt vergeleken met de gemeten output in de trainingsset, en de outputfout, e, wordt bepaald volgens:

e %, = Y -

Ynet

Definieer nu de foutfunctie als: 1 f(Ynet)(YYner) 2 Deze foutfunctie is gelijk aan de foutfunctie bij regressie, op een factor 2 na. Bij regressie wordt echter gesommeerd over alle events, j, uit de dataset, backpropagation neemt elke event apart. De foutfunctie wordt door de training geminimaliseerd m.b.v. de steilste helling methode. Als eerste wordt gekeken in welke richting de output van de hidden layer (u) moet veranderen om een kleinere fout te krijgen:

u* =u-6

öf(y)

Het verschil tussen « en u wordt de afgeleide fout e u genoemd:

e1 = — ö

6 f(Yne,) = — 6 f(Ynet) 6 Ynet 6 = 6e (W) ou 6u ou

De fout wordt verder teruggevoerd door het netwerk, tot voor de hidden layer. De fout wordt nu als functie van z beschouwd en wordt weer geminimaliseerd volgens;

6 z* = z —6 f(y ) 6z

8 f(Ynet) 6 f() 6 U e.. = —6 =-6 6it 6z

6 e( 4 )f'(z)

Hierna worden de gewichtsveranderingen berekend, gebaseerd op hetzelfde principe. De fout wordt dus gezien als functie van resp. Wh en Wo;

Wh* =Wh— 6

8 f(Ynet) 6 Wh

AWh = —6 6 f(Ynet) - 6 f(Ynet) 6 z ex öwh - 6z 6Wh 6 '

w * w 8 6f(Ynet) AW0

6 6 f(Ynet) 6 f(Ynet) 6 y e u =-6 =6 -6VV 6 Ynet 6W

De twee leercoëfficiënten worden opgesplitst in een schalingsfactor, fl1. de norm van x en u, en twee overblijvende leercoëfficiënten. De schaling zorgt er voor dat de gewichtsveranderingen niet te groot zijn in vergelijking met de gewichten zelf. Met de twee overgebleven coefficiënten kan het leerproces gestuurd worden. Een grote leercoëfficiënt zorgt voor grote (reken) stappen, maar het gevaar om over het minimum heen te stappen en te convergeren naar een (lokaal) minimum die in werkelijkheid geen minimum is. Het backpropagationalgorithme, kan ook voor meerlaags netwerken gebruikt worden. Het principe blijft gelijk; eerst wordt de outputfout van elk neuron teruggevoerd door het netwerk. Alle tussenoplossingen in het netwerk hebben invloed op de fout van het netwerk, dus de foutfunctie kan gezien worden als functie van deze tussenoplossingen. Met behulp van de steilste hellingmethode en de kettingregel kunnen de afgeleide fouten worden berekend. Daarna kunnen de gewichten worden aangepast.

BIJLAGE III PEARSON VERSUS SPEARMAN

Pearson versus spearman Als interesse bestaat in het toetsen op een monotoon stijgende trend in de tijd van een stochastische variabele x, of bekeken dient te worden in hoeverre stochastische variabelen x en Z samenhangen, kunnen verschillende statistische toetsen uitgevoerd worden. Hier worden twee methoden vluchtig bekeken op de juiste toepasbaarheid in deze meetnet optimali sat ie. de Pearson methode De Pearson methode bestaat uit twee aspecten: de correlatie coëfficiënt en de toets op significantie van de correlatie. De Pearson correlatie coëfficiënt kan als volgt empirisch berekend worden:

Cy — _)/~j Cx — —x)2 Cy -- —y)2 waarbij r y de geschatte correlatie coëfficiënt voorstelt tussen de stochastische variabelen x en y en x en y de gemiddelden van deze variabelen respectievelijk voorstellen. Tevens geldt per definitie: H r, II :5 1. Deze correlatie coëfficiënt is een statistische maat voor de samenhang tussen deze twee variabelen. Als r = 1, dan betekent dit dat de variabelen x en y uiterst positief met elkaar samenhangen. Met andere woorden: ze verklaren elkaar volledig. ,

De Pearson toets op significantie heeft, bi] berekeningen op empirische data, een zogenaamde X 2 -verdeling met N-2 vrijheidsgraden, waarbij N het aantal waarnemingen voorstelt. De hypothesen die hier getoetst worden zijn: -

H 0: r }, = 0, oftewel: er is geen sprake van correlatie tussen de variabelen x en H a : r 0, oftewel: er is wèl sprake van correlatie tussen de variabelen x en

de Spearman methode De Spearman methode bestaat in eerste instantie uit een toets op significantie van correlatie. Ook kan er, net zoals met de Pearson methode, een kwantitatieve maat voor de samenhang gegeven worden. Het grote verschil tussen deze twee methoden is dat de Spearman methode relatieve, zogenaamde rangwaarden gebruikt in plaats van absolute waarnemingen. Dit betekent dat de Spearman methodiek niet afhangt van de achterliggende verdeling van de data. De Spearman methode wordt daarom ook wel een verdelingsvrije methode genoemd. Deze methode heeft als basis dat waarden van x, die paarsgewijze bij die van y behoren, door rangnummers naar opklimmende grootte van x vervangen worden. Hetzelfde gebeurt met de waarden van y. Noemen we de rangnummers van de x'-en r 1 en van de y's s dan krijgen we dus paren rangnummers Lr1,s1), (r2,s2), (EN,SN).

Beschouwen we de toetsingsgrootheid N 2 Vu

4 =Ltr) j=1

dan wijzen kleine waarden van d2 op positieve rangcorrelatie en grote waarden van d2 op negatieve rangcorrelatie. Men kan de Spearman rangcorrelatie coëfficiënt als volgt empirisch berekenen:

! =1_((6*4 2 )I(N 3 —N)) waarbij r de geschatte rangcorrelatie coëfficiënt voorstelt tussen de variabelen x en Z. Deze rangcorrelatie coëfficiënt gebruikt worden om significante correlatie aan te tonen dankzij het gegeven dat, onder H 0 ,

k *N2)/1) bij benadering een zogenaamde t, 2 verdeling heeft die bij N>16 gebruikt kan worden. Ook hier wordt getoetst op de hypothese: - H 0: r = 0, oftewel: "Er is geen sprake van correlatie tussen de variabelen x en - H a : r 0, oftewel: "Er is wèl sprake van correlatie tussen de variabelen x en discussie Pearson methodiek De Pearson methode heeft enkele hele belangrijke aannamen: -

De data moet normaal verdeeld zijn (volgens de statistische definitie)

Dit is praktisch altijd het geval bij een grote hoeveelheid aan metrische waarnemingen (bijv.: Chloride gehalte met N>150), maar niet noodzakelijkerwijs bij kleine datasets (bijv.: N=30). Normaal verdeelde data kenmerkt zich onder andere door de symmetrie ten opzichte van de mediaan of het gemiddelde, en door weinig tot geen 'extreme' waarden of 'uitschieters' in de data set tegen te komen. Het maken van een histogram of een 'Box-Whisker plot' geeft een visuele impressie van de verdeling van de data. Een belangrijk gevolg van het niet voldoen aan de aanname van normaal verdeelde data kan zijn dat extreme waarden een grote misleidende invloed kunnen hebben op de geschatte correlatie coëfficiënt. Immers, deze methodiek uitgaat van absolute waarnemingen. Nietnormaliteit kan tot verkeerde conclusies leiden als de Pearson methode toch wordt uitgevoerd. -

De data dient onafhankelijk te zijn

Door onafhankelijkheden kan de toets op significante correlatie onzuiver zijn, waardoor onjuiste conclusies kunnen worden getrokken. Een correctie voor afhankelijkheid kan gedaan worden met behulp van een ontwikkelde formule van Lettenmaier.

Daarnaast kan de zogenaamde partiële correlatie coëfficiënt gebruikt worden. Stel: de variabele xt is gecorreleerd met Dan is de empirische partiële rangcorrelatie coëfficiënt gedefinieerd als: rxN=r De betekenis van deze coëfficiënt is een maat voor de corretatie tussen variabelen x en gecorrigeerd voor de bijdrage van de correlatie tussen x t en x 1 . Op deze wijze wordt de toets 'gemodificeerd' voor afhankelijkheid. Spearman methodiek

De Spearman methode is verdelingsvrij, waardoor uitschieters of niet-formaliteit geen onjuist suggererend beeld kunnen realiseren. De data dient onafhankelijk te zijn Ook hier kan met behulp van werk van Lettenmaier voor gecorrigeerd worden, net zoals dat ook hier gewerkt kan worden met de zogenaamde partiële rangcorrelatie coëfficiënt.

BIJLAGE IV CORRELATIE-ANALYSE

Co,rSa)Ions, MF2 (alle schepen 187960 dan 60m) DUUR UPA4I'72IIUII.0 DUUR CO7lA4I87Ccel7c4e7l 5.4 12-18420) 227 LENGTE CO.1elSlOACoeV.08111 S.g (2-184301

564' 227

S,g (2-124eV) DIEPTE 0721014107 C05150071 5.4 12-43641 RICHTING CR67714040C4013A271

S.0 (2-0630)

Alg (2-3630)

5.4 (2-06210)

000

044

227

227

227

227

227

227

227

227

227

227

227

227

227

227

1.360

.636

.473

',1S4'

-.121

-.110

.655'

.033

.554'

.023

.636'

.268'

DID

.197'

-

.000

.000

020

.069

.700

.000

.617

.000

.725

.000

OOR

.784

.003

329' 000

227

227

227

227

227

227

227

227

227

1.000

.496

- 64

-.172'

-.122

675'

.034

.640'

.022

1.000'

.247'

032

768

.000

0)5

369

.063

000

.614

000

.746

.004

.629

0))

227

227

227

227

227

227

227

227

227

227

227

.005

.547

.205'

619'

-490

.990'

'.296'

.366'

.173'

-.021

111

.

.940

480

.002

000

.546

.000

.000

.000

.003

.752

094

227

227

227

227

227

227

227

227

227

227

227

227

227

227

227

.000

.744'

.708'

'.006

'.143

.061

.083

-.164'

.... 297'

.000

.397

.022

.302

.2)5

*13

.172

.028

227

227

227

227

227

227

":16'

Vjj'

.164'

005

000

020

013

.990

227

227

227

227

227

-772'

$47

746'

"T3T&' "V(iT .000

.069

"TVo' "3' .800

.603'

227

227

227

227

'205'

.708'

.503

1.000

.066

.802

.000

.000

227

227

227

.026

227

227

'.025

.262'

-.172'

-.276'

.039

.03)

.705

.014

.009

.360

SS4

227

-212'

.001

.000

-.143' 227

227

227

227

227

227

227

-.221'

.722'

'.122

-367'

011

-277'

.001

.080

.066

.000

.664

.000

227

227

227

227

227

227

217

227

j7?'

9)9'

-050

'.026

-212

1.800

.011

.977'

-.237'

.675'

226'

.000

000

.397

.697

.00)

-

.870

.000

.000

.000

.007

227

227

033

034

.040

.5)7

.614

596

227

227

227

227

227

227

.743'

'.140'

.103

911

1.004

.032

.03)

.122

.670

227

227

227

504'

.640'

940'

000

.000

.000

227

227

227

227

.034

.569'

'.520'

022

.7)5

.6)4

.800

.000

.736

227

227

227

227

227

'227'

.977'

.003

1.000

.705

.007

.000

.962

-

227

227

227

227

227

227

227

022

-.296'

.093

.762'

722'

-23"

.725

746

.000

275

.014

000

000

220 .024 715

227 -257'

227

227

227

.640'

.204'

-043

.102

.800

.000

.002

,S19

.125

227

227

227

7,000

022

'2)2'

,

.746

.001

.000

227

227

227

227

227

227

227

227

227

227

227

528'

.630

1000'

.456'

-.764'

-.772'

-122

675'

.0S4

640'

.022

.800

.247'

,073

.009

.066

.000

.674

.000

.000

227

227

.446' .000 227

.000

227

.000

363 227 032

227

227

227

227

227

227

227

227

.268'

247'

.173'

-297'

'276'

-.36/'

.226'

.004

.000

.000

.009

.000

.000

227

227

227

227

227

.563'

.204'

'.272'

247'

'266'

525'

.000

.002

0)0)

.000

-

.000

000

227

227

227

227

227

227

227

227

.000

.596'

'.027

097

.039

.Dll

-.047

'.526'

'.043

-.06)

.032

'265'

.752

.172

,S54

.864

.44)

.600

.519

.363

.629

.600

1

,

5''

227

227

227

227

227

227

227

227

'.16)'

-277'

.110

.022

.102

'234'

.768'

.535'

.596'

000

.003

0))

.064

.028

.006

.800

099

.739

.125

000

.011

.000

.000

227

227

227

227

227

227

227

227

227

227

227

227

227

227

ASTAEIOM

M0086EE

227

"5ïi"

227

"TT(T

227

'"•"

227

166'

.367

32

227

227

227

.629

5151

.000

227

227

Old

227

227 '.230'

.011

227

.784

ELEX CmleI4S47 14009067)

227

029

227

014

S, o (2-18.30)

227 -961

227

.833

EUF C49I8ICI90 COelSOen)

227

227

-25V

227 .000

.009

'.024

'025

.023

227 .110

.48)

227

227

227

227 '.047

003

.324

000

227

.962

-.06)

'.5)2'

227 .366

.122

.000

227

227

'.103

ï'

076

430'

1,000

-.122

254

.000

227

.000

.009

227

TTT

.100

.000

.000

227

247

.000

227

227

227

.466') .000

11

S9 (2-0664)

.014

OUD

227

00005EE CO2,eIaSo, 008166871

S.4 12-36214)

446

000

.000

S.0 (2-1830)

DRS G22ICI4IO,C421S4271

120'

.000

.473'

227

S.g (2-1830)

.512'

.254

027

AU C4178I4547 03270407)

VSTRITOM C41IOI4S47 CV6724271

,4S0'

090

.000

227

0 (2)830)

FL00

076

000

.367'

AU 036012127 040)60e,) S.s 121830)

ERE

490

.360

227

227

VOLUME Dm7610507 0029*8,)

GAS

-616

.000

.OSO'

227

VOESER CareIaAR,Goel3Ae,)

*0090EV

-.S36

000

.000

5.5 (2-18.30) AFSTAND 00,8100411 D07158o7)

1010006

-626

000

028'

VOLUME

00

367

000

.000

DIEPTE

00

AFSTAND

320

.800

RREEDTE Cm,elatonCceISoenI

TREEDT)-

1/OEVER

RICHTING

.569

LENGTE

1000

.060 227 1000

227

0706148/7 4 097.6727) 8)618 01184012-14424) - C47781864,,,50817154971 41610 05)272) (2 - la48d(

02772181078, 6F2 (0p.40e) 01100 (E64111'cl,S , 1b7 DUUR 046121016,00643e,)

T

Sig (2-13404) RAEEDTU 0417214127 008)7613,1 Sig (2-1830)

BREEDTE

DIEPTE

RICHTINS

0)-STAND

VOEVFR

VOLUME

AD

96

ELVR

.694

.742'

094

.509'

.761'

732

.746'

'.468'

698'

.543'

.130

.476'

.004

000

.000

.296

.000

.060

.745

.600

.000

.000

.360

078

.000

123

123

726

123

123

123

23

720

123

123

723

23

23

823'

.609'

.247'

.098

.783'

.107

.697'

.038

.823'

.409'

-054

278'

.000

OOR

,

.927

.000

239

.000

.675

000

.600

.SSS

.002

23

123

770'

1000

.

.000 123

123

608'

.823'

.000

.000

723 1,000

-

123

.704' .000

,

123

23

.007 123

123

723

723

.169

-077

.804'

.020

.600'

.062

.433

800

.758

.000

123

123

723

720

723

.742'

.656'

.704'

1,000

152

-.376'

.9S7'

-014

340

000

005

-

003

.000

.000

.875

.000

N

123

723

143

122

725

723

723

723

723

728

25

23

723

513 (2.18,30)

DIEPTE 072,08)8704273027)

OlE

035

.770

.

S.g (2.1850) LENGTE 00018121.07 008)50e,)

LENSEE

123 ',113

23 1.000' 23

123

123

123

123

277'

-.083

.205'

.800

.360

023

23

23

123

723

724

966'

.347'

.704'

.346'

'.108

.007

.000

.000

236

.048

723

723

123

123

1.

179'

RICHTING

.

Sig 12-161641 N AFSTAND 041781412, 022)9080 SIg 12-141104) N GOEDER 04170414177 03277842,) S.g (2-1830) VOLUME 000214)07 00973087) S.g (2-14020) N AU 072,3)8)871 0081330,) S/S 2-0630)

123

725

.064

.241'

.298

.007

725

S.g (2-18080) VST000M 0378)8)20 008)9087) S.g (2-0850)

.080

O OME 04918191270067986fl) 3.4 (2-1864 ) FL00 0378480,7 008)5387) S.g (2-0630)

CU,elato, 18697.6287)8)8160716431(2-0664). C0,81890,I546,,8460) al 878 05 508) (2)81641

23 .142

126

123

123 '.077 433

'276'

124

123 7.000

.718

,

23

126

123

123

.783'

.806'

.957'

000

000

.000

.

123

123

123

723

123

723

.132

.107

.028

'Via

.145

239

.758

.875

, 123

7

723

725

.781'

-243'

.034

.007

123

723

725

123

23

123

126

123

.191'

.013

,)SS

.167

.769

'.066

-052

-.167

.834

.889

.046

066

.062

.470

277

865

123

123

123

-075

'285'

.968'

.007

.390

.801

.800

123

060

123

723

123

123

011

.852'

'232'

.805'

.372'

-.724

.189'

.904

.000

RIO

.000

.000

123

.777

.037

126

123

33

123

23

All

7,340

'022

-.075

028

.360'

.904

.208

112

758

000

723 .966'

.755

.600

-

123

123

723 083 123

723

123

123

723

-266'

.562'

-.022

1,000

.001

.000

.808

.

723

726

123

123

123

038

'.053

'207'

.757

,908'

'232'

'075

'277'

.675

.567

.007

-

000

0)0

.472

002

720

123

723

-.170

294

123

123

T,' ,

123

390

800'

ï'

23

.345

001

'078

.000

723

723

'.293'

123

.343

25

.000

.433

-

.000

'

723 -071

7.000

'.468'

.960

123

'243'

.013

.000

"T'

.000

.116

.742

.000

.000

.704' .000

.

066 722

123

.189

'071

.062

.433

723

723

23

126

123

.800'

.346'

.525

.154

000

000

.767

.086

123

123

1.000

'053

.56)

120

723

120

123

123

.809'

.028

.800'

-.053

1000

.000

.758

.000

.56)

-

126

126

723

.036

-.164

.345

.07)

123 277' .000

123

13

13

123

12

123

13

13

125

123

23

377'

.346'

. .

'.066

'.294'

272'

.560'

.346'

'279'

277

1.000

.000

.670

.007

.080

.000

.600

.002

.000

-

723

123

123

.555

i

123 "

?i

.360

"T76

236

723 '052

.27 )

723

"I

294

723

123 -.063 360 120

00)

723

123

723

123

723

'.534'

',12S

.088

'.083

.304

1,000

.177

.000

.167

.343

.360

067

723

23

123

723

723

723

723

713

123

725

123

723

496'

278'

.205'

.176'

'.770

.759'

.044

.754

'.764

205'

.556'

553'

002

.023

.046

-

'.167

.000

065

.060

.037

829

.089

071

.028

.000

23

723

123

125

123

123

723

123

723

723

123

726

725

123

123

723 .205' 023 723

'.304'

'.724

723

123

.802

.000

723

126

-279'

409'

078

123 044 .629

123

.000

"T(j'g

726 -.554'

123

.002

543'

123

123

-27/'

.000

123 5.9 (2-3064)

723

, ,

1,000

063

.927

23

DOS 072,214)8, GoelSOe,I

123

.752

.78)'

MODRAEE 04274350, CoeRlse,l S.g (2-131)84)

723

69

123

.509'

723

064 041,81436, 008)908,)

123 .062

123

.000 723 .553' 723 1000 123

DM1840430661 672 (68*44106) DUUR .7481111300 fl6 DUUR 0068040611 CM6IU46II

LENGTE

'T-

T66

S 12-121031 LENGTE C55101140IMT 0085107.11 504 2-120041

.000 .694'

BREEDTE 0086141.0,, 003111465 BIg. 2-104841 DIEPTE C68160409700,,I1446111 5)9(2.1*1*4)

5I9 .

oo°

OOG

.830°

-.052

.451

.570

.509°

.278

.192°

.298

.000

.000

.480

.000

.000

.000

.00)

.026

.000

.048

0.90

690'

.000

.509

.047

.950

254

.008

53

.501

582

000

.490

400

592

.000

.003

.941

077

004

034

034

134

034

134

034

034

034

034

,-,l80

.11 S

.672'

.084

.563'

-114

1,000

.180

.073

.036

030

.084

.000

.403

.060

.088

020

.389

134

134

134

134

034

034

034

134

034

134

1000

.074

-278

,800

.059

.920 1

280°

j°

.184

-.061

.072

-

-

395

.050

.000

.538

.000

.000

.034

.442

409

034

433 034

80

1,ow 154

°63°

N1.

.000

-508°

.1(4

0550

IN .000

I

-101

134

.000

I

AFsTAND

.

400 .000

080

134

I MC

RICHTING

.000

.000

Tii

DIEPTE

34

lOOD

.000 04

BREEDTE

004

949 .000 034

400

134

BREVET

VOLUME

OM

USD50004

.051

04000000

BBS

ERF

FL413

.110

RICHTING C081e04301 006506.11 SN 2-00400) 004 AFSTAND C066140,o,,C061108l1l 0)9(2-001)04)

T7 .004 034

VOEGEn C55I8IOSO,,009018084I 59 (2-0464)

S14 (2.08490) 00 0551019907 C081908111 503 (2-0*64) 04 AU 00861410010081083840 510 (2.0664)

04 03710006 055,348047 00611,08111 S)9 (2-0464)

513-(2-10464)

08 GAS CO7SIOMA,,Co60966l11

S.g (2-0400)

5.4 (2-068041

5)9 (2-18194)

134

1.

034

034

034

1.000

.006

-037

-.008

-002

-.104

-.080°

.

-

.183

MiS

.957

.694

.190

.038

034

034

034

.048

lOS

-.278°

.084

.000

-

134

034

134

,,1 06

0,000

.083

-

034

134

734

004

-.909'

.005

-.064

'.185°

-.095

.008

.400

.084

.460

.032

024

034

184

34

034

.880'

-

-.037

000

,

975

.034

-.062

.080

.064

,DS4

-.085

.100

000

.480

.091

.493

.536

.957

.216

.280

134

134

034

034

134

034

034

134

.490°

.509

.563

.620

,

-012

-.004

.953°

092

0,400

.400

.000

.000

.000

.694

008

000

289

.

034

551

34

034

-.047

-.104

.592

.188

034 ..

.000

.800° 300

S4 0,400°

-

134

034

283°

.001

-

034

034

.349°

.000

034

134

734

034

276°

254

.069

.163

.001

.003

.029

034

134

134

192° 028

134

134

.004

.204 °

672'

570°

034 -.141

.003

.008

.004

-.083'

134 '.205

405

208

034

034

034 -BIO

.034

.000

.030

134

004

1.

-.083'

.000

°j33-

034 FLUO 05519)819,00611440111

034

-

.395

.502

134 ENE 05510)40.0,, 0061114071

034

.074

.038

400

054 M0000EE 030181615511045518126110

134 -.080

.581

-.558 034

VOlUME 044,004555 04317440111

034 -.048

034

134

034

034

034

134

004

034

034

0,000

.000

.853

.087

172

435

-.048

079

.251

.000

.031

.000

.006

.585

.36S

0.000

.042

.092

.064

424 °

-.432°

.001

-

.289

.290

.463

.000

.000

.090

134

034

134

034

134

034

034

.207°

.583°

.189°

-057

056

006

.000

.028

113

.524

034

.114

,989

.087°

180

.000

.030

034

104

-092

.237°

.290

.006

34

034

034

134

034

1,000

-114

083

.074'

-

.188

343

044

034 .020

134

134

134

034

034

134

1.

034

134

-.080°

.005

372 °

.064

.563°

-.104

0.000

.089

07S

.036

.038

.184

300

.483

.000

.188

,

.029

.389

.016

734

134

034

034

004

134

734

-.000

.064

.235°

.524°

.088°

.083

.068°

.905

.49)

000

.096

029

.343

029

034

134

134

008

075

-.061

-215

.930

.389

.482

.013

034

034

034

-.185°

-048

.032

585

034

004

1,000 .

134

034

134

134

-.482°

-057

.074

,071

-.266°

.000

.503

.044

.389

.002

034

034

.268°

.473

.002

000

024 0,000 ,

(94

134

034

134

134

034

034

134

034

734

.208

.053

.036

072

-.141

-.085°

079

.000

056

.099°

.730

.475°

.642°

.000

.077

.706

.409

.704

024 '34

.305

.990

,124

020

.106

300

330

134

034

034

134

034 642°

.000 734

0.000

-. 0015518807164911186411141616014400(2-0480) ° 04016)450,, 489flI6C4II1 al 614 0512021(2-0680)

Co11N.8o1,. RFO (s11e 50)14905 5419488.66010) DUUR 5063,0806 50 DUUR CreIaIos 04275460 019 2-04.90) LENGTE C5516I4107006190671 509 (2-12,554)

Sig (2-141550)

UST000M

540005EE

.399

.419°

-.585

-.800°

.559°

-058

.483

-.643

.399

.726

-009

.205

000

.000

.000

.300

.000

.300

.300

.943

.000

.000

.000

.000

.757

000

269

269

269

259

208

269

259

209

269

269

269

269

269

250

339

1303

.818°

.345'

-.032

02S

7

.630

-.100

.000

-

000

.000

.605

.679

.844

.030

.097

399°

.000 250

DIEPTE 0551514101,, 066)556110 0.3- (2-12164 )

04 RICHTING 0016180.0110041908111 0.9 12.080*0) 04 AFSTAND 000849,,, 04613556,0

S,g (2-0880) 04 VOEVE3 00118183o,0061164a,0 5.g (2-06901 N VOLUME 055161816,006163671 S.9 (2-18.64) 14

00 05516)404,00806487) 54- (2-044553)

Sio (2-3464) 14 VSTFIOOM 068,64404,, 000104651 5.4-2.34552) NOTBREE C1001&aI66Co310.48,,l 019 (4-4090)

6 005 C10TS800T 00801.085 509 (2-84550) ENE 00161800T 006084640 50,(2-0464)

08 FL00 03014)81*0008150841

Oog (2-16488) -- 04110104406,409.009640)8)813 0116421(2-04)00) 0011612400,5957'864,06(00,050040(2-55404)

269 616°

.000

269 7,000

,

DIEPTE

DESTAND

VUEVER

°

259

229°

.017

034

.026

$40

.787

.579

.667

.000

289

259

269

345°

.229

0000

300

000

,

269

00

269

409 °

269

VOLUME

.000

300

289

344

289

ENE

DOS

269

.500°

'.025

.816°

.404

-050

.074°

.000

.688

.000

.000

.416

.004

269

268

269

260

-535

494

026

0,090

.320

.000

.065

524

000

259

.650

-

400

269

,99S

002

209

268

269

269

259

-.159°

.067°

-.340°

.885°

025

.921 °

-278°

.229°

300

.006

000

405

.030

.000

.681

.300

.000

.000

910

.874

209

FL00

289

269

269

269

209 006

269

269

269

269

289

269

259

269

259

209

269

209

.595

.,032

.010

-.159

0,000

-.554

.712

-056°

-037

.046°

.066°

007

-383°

.051

-089

.000

605

.787

000

,

000

000

Gil

.545

006

.006

.787

0510

.405

.144

269

269

204

.450°

025

.034

197°

000

678

.579

006

m

269 -800°

.000 289

269

209

269

299

-5S4

0,040

-546

000

000

289

259

289

269

259

.037

028

-.340°

.712

-$46

1 .000

544

667

.000

.000

.000

-

259

269

209

269

269

209

.559°

.630

.547°

.885

-.056'

057

-300'

.900

.000

000

.000

010

BIO

000

269

259

-058

-130

343

.397

289

03,9 Co8,8Ia55o 00619365

RICHTING

438°

-

1000

280 OAEEDTE 0VlleIaO011Co6Ils46,1I

BREEDTE

LENGTE

269 687

269

269

269

.057°

'067

010

270

256

269

269

269

269

209

269

269

046°

.280'

-034

.370°

.039

.192'

000

.579

000

$27

.002

006

269

269

269

266

260

269

269

269

.302°

004

-295°

.788°

026

.574°

029

-206

.000

.920

000

.550

687

080

631

000

269

269

269

1303

026

.972°

.305

.676

000

000

209

269

269

209

268

.547°

.824

.015

.085

.300

.000

.803

.002

269

264

269

269

269

269

209

259

209

-.037

067

008

.026

0,060

.040

.029

-.03S

'.020

-017

.845

270

420

.676

.810

.638

364

.950

.056

289

269

483

500°

434°

920°

-.146°

.030

.030

000

.000

.078

008

259

269

269

259

250

269

.640°

268

209 .864

269

269

259

269

299

269

269

146°

-408 °

.972°

.040

1300

.000

3430

$10

269

209

209

_

260

269

269

264

-.320°

434°

364°

.000

000

000

000

.984

.065

269

269

269

268

269

260

-.019

-.028

026

-.979°

.066°

.786'

-319'

.029

-.320

1.000

.328

.,48U

.000

488

.651

000

.006

.000

300

.000

.836

.000

-

.6S1

030

259

269

269

269

269

269

269

269

289

269

269

269

269

.399°

816

1400°

229

007

.034

.026

.547°

.005

498°

028

0,000

.321

303

304

(555

.787

579

497

400

.594

408

.690

269

269

259

724

.445

.320°

.344°

.393

.000

259

.000

400

300

.300

269

269 070°

.000

269

259

269

-579

.924°

-.120

.000

.000

050

269 1005

910

269

269

200

394°

-.487°

.323°

.300

.000

.000

.7S3 ..

269

259 170°

006

209

269

000

.085°

995

932

299

209

0000

091

528°

-

.197

.090 209

289

269

209

269

269

259

269

269

269

269

269

259

269

269

.019

-OSO

.300

099

051

.039

029

-GiS

-,1 07

.000

-.019

.000

090

8.000

I

157

.418

.995

.879

.105

527

630

.803

056

984

.733

.995

.797

269

289

269

269

269

249

269

269

200

269

269

268

289

269

269

298°

174'

.785°

.047°

-.069

.092°

-219'

.035'

-.069°

.070°

-.237'

.085

.526°

.603°

7.30

000

034

.932

.014

.044

.002

000

002

.005

OOS

000

062

.000

259

269

299

269

259

269

369

259

269

259

258

260

269

269

259

.

0008149075. SF3 (Op004RS) DUUR Upoar:,M,G ho DUUR 00,01410006110671

LENGTE

T63

°73-

Sig 12-laiMd) 75 LENGTE Do-,214000 046604,7 0+9.2-74104)

733'

Sg (2-16983)

15 DIEPTE CoOnelalion Coalloent 519 (2-0040)

°5'

DIEPrE

RICHTING

.000

.000

.000

175

ITT

175

1.000

.000 175

BREEDTE Cooelalon C09ISO2,1I

BREEDTE

175

.602 1

.947°

.90o

.000

.947°

$34'

.000

.000

775

176

lOS

175

.536

1,000

.000

-

175

AFSTAND

VOEGEn

00

VOLUME

N

N VOLUME 008614307 002150671 014 (2-0060)

15 00 Coflelellofi D067fl0201 599. (2-94+104) N OM C0,16I6500 D0211a4271 S!g. (2-1o144)

15 0570008 0011414500 Coeflloeol 149.2-7044)

15 M000REE COIOSIOIOOCOOR4GOOI 094 (2-98984)

15 OOG Colnola500003I703flI 5+9. (2-7044)

15 CME CDIIII4I00002IN327I Sig (2-04124)

13 FL00 0018(4700 005703fl Sig (2-10160)

13

OOG

CME

PLUS

-.050

-551

$02

766

000

.579

000

.000

.000

000

$05

175

175

175

175

175

175

175

775

775

.000

.037

634

-$34

720

036

.547°

.526°

-078

.152

.429

.624

.030

.655

.000

.639

.000

.000

.705

043

175

17S

175

775

175

175

-los

$83

.779 °

$55

.742 °

.083

.166

.272

.000

.470

.000

276

175 1.000 °

341 .600

775

175

171

.439

-.036

.169

.000

.642

$26

175

175

175

175

fl5

775

fl5

175

175

175

175

175

175

634•

207'

.806

-040

,9S1'

-290°

.555'

.512°

.5143

.102

.000

000

.000

-

-

072

.000

.000

.S99

.000

.000

.000

.000

270

$19

175

175

175

175

175

175

175

775

175

175

176

175

175

175

175

-

-

-

-

-

-

-

-

775

.000.

555 -

75

IJS

75

75

75

175

.130

'.060

-.105

.936

-

1.000

.087

.429

.166

072

175

VOEVCR CMleIaSofl 009130801 Sig (2-1460)

M0000EE

Y'

.000

513 (2-149103)

5+9 (2-06440)

76

-550

657

.684'

RICHTING 00081410fl 008130101

AFSTAND 001,018107 002154271

VSTR009

OM

.130

.000

175

75

75

OS

75

.037

$83

-287°

-

-.200°

.524

272

.000

-

.008

175

175

775

175

175

75

171

.200'

.063

-.116

071

.201'

-lOS

.201 °

.113

.192

.006

.39!

.925

,32S

.005

.998

.008

.130

011

75 1.000 -

175

175

fl5

175

175

175

75

-.174'

.051

-317°

1,000'

$83

-.455'

.021

.421

.004

.000

272

.000

75

175

176

175

175

176

176

75

175

175

.760'

.839°

.779°

.895°

.065

-174°

.070

.009

.968°

-.176°

.779 °

.000

.000

.000

$60

-

.341

021

-

.902

.000

020

75

75

775

75

175

175

.380

.000

175

.576'

-.052

.000

.492

IJS .1439

775

75

lOS

775

175

fl5

75

75

175

75

OS

175

75

175

175

-OSO

.034

.055

-.040

-

-.119

.061

.000

1.000

.076

.073

$55

.12

-.121

-.163

.505

$85

.470

.125

,421

.902

-

.836

.337

.470

.141

.170

.039

705

17S

175

.709°

.720°

.742

.931°

.000

.000

.000

.030

-

175 -:11 .000

175

175

175

.036

6i

.639

276

-

75

175

176

.000

-

:j

175

176

175

975

175

.075

-217°

.966 °

$15

1.000

225

.004

.000

.635

-

175

175

575

173

175

-210°

.742°

.539'

.045

.161

.004

.060

.000

.627

.011

175

175

175

175

175

175

76

-.201°

1.000°

176

173

-.299

1070

.083

'.458

'.060

-272

.008

.000

.020

.337

.004

-

276

.000

261

.900

175

175

175

175

175

175

175

175

175

175

175

175

175

175

175

.602'

.840

.070°

,SSS'

-

-.105

$83

.719°

$55

.742°

043

.000

.000

.000

.000

-

.968

.272

.000

1 970

.000

276

-

175

lOS

-

111

975

975

775

.756°

.528°

439 °

.512°

000

.030

.000

.000

.201 °

175

775

-.455 °

.575°

.000

175

175

IJS

75

.036

-.075

-.035

'.043

.645

406

.642

.576

176

175

175 .103°

$42

$25

175

175

111

(75

175

111

.5,3

-.458'

.439'

.000

.909

,S31

.141

.000

.000

.000

,

.152

.020

175

175

175

775

175

,067

.052

-.121

-.048

-069

-$35

.136

.360

.492

.110

.527

75

175 -.035

'.912

.913

173

775 .436° .000

175 1,000 -

flS

.000

176

75

175

175

175

775

75

75

OS

III

.331

.152°

.168'

.182°

.192°

-.793'

.161°

-.272°

.168°

.531 °

559 °

.000

.000

.045

026

.016

-

$11

.000

.009

.031

01!

.000

$26

.000

.000

-

175

17 5

175

75

175

OS

fl5

(05

75

75

OS

OS

175

OS

105

175

175 -.268'

75

176 .100 .152

75 (98°

- Conelabo, IS 515000401 al 812 $7 14481 )2.laIIed( C0001440, 0 osniBUant al No $5 15421 (2-14420)

0000146006, 9F3 (41149489$) DUUR 0704,7204 110 142(40 CMI6I4I00 0001137001

BREEDTE

LENGTE

1000

.720'

DIEPTE

OESTAN7

(OEVER

.121

-457

RICHTING

205

VOLUME

AS

290

599 (2-10960)

15 LENGTE CanelalMo 003150661 0+4 (2-141444)

13 BREEDTE Cooela500 002154471 519 (2-13084)

15 DIEPTE 0076(2108005159801 5+9 (2-141444)

15

153 060°

155 1,000

1S4

53

.720°

.594°

.000

000

53

153

153

60039Fl

EME

000

ELUX

.430

.467

.720

.536

.102

.091

.000

.000

.000

090

206

15,1

153

53

053

153

1.

L53

.136 .094

150

153

.894°

.197°

.149

.067

.579'

-.104'

.362'

-.057

.664°

.465°

-$74

.124

,015

,

.066

.409

.000

.031

.000

.4(0

.000

.000

.364

.139

153

153

.000

000

153

/5760044

OM

-930

153

753

L53

753

153

1,000

.935

.155

$23

.552

-.933

.373

'.023

.

.096

-

065

.179

.000

.102

.000

.775

53

53 1.000' ,

53

55

.462

,042

155

.000

53

.505

.056

153

153

159

153

153

ISO

153

163

154

153

153

305°

.167°

.185

1,000

,

-$96

-.264°

.840°

.090

.938°

.265°

.135

.142

005

030

.000

.015

.096

-

.844

.001

.000

.327

.000

.001

.096

.081

.955

.790

iS)

53

153

53

153

IS)

53

153

53

153

im

IS)

IS)

lSS

153

163

153

154

53

RICHTING 549 (2-94423)

. 153

IS)

154

153

753

53

1S)

53

153

153

IS)

IS)

15)

153

.727

140

.155

-$16

-

LOOS

',OSl

.069

035

$35

$29

.755

.049

-.111

-077

(IS

.066

.055

644

-

,

.705

.400

$64

.571

124

.OSS

615

.970

.346

-.407°

.050

$23

-254°

-

-.0)1

1.000

153

153

IS)

163 AFSTAND 001414100 CoOI6020I Sig (2-98443) GOEDER 0014141100 UO8TIO6DI

-

-212°

-.010

-.262'

023

-.268°

006

-$49

706

-

.009

.407

.001

.779

001

350

.551

153

ISa

(53

153

753

153

163

153

153

440

.069

-212

1200

014

.949 -

213'

.652'

.330

-027

003

.000

.

400

009

-

.859

.000

.005

000

.000

.741

257

153

Sig (2.1060) VOLUME 00051400, COeIlaiaOl A+g. 12-0944)

15 00 E0161a500 17021124801 519. )2°laJIed)

15 006 D0R3I2IMD COeISOeTI Sig. )Z'1a1114) VSTROOM 0241812500 DoelSa8nl 513 (2-00444)

15 M0006EE CMneIa600 0081103,1 0+9 (2-1460)

15 DOS D0I$I2IOODOOR438OI Sig (2-0860)

15 EME 00,812000 005190601 Sig (2-9860) FL00 000114100006164601 510 (2-99444) S 001598607 IS 1991110211 al 805 01 94481 (2-18224). 000214600024401504,121613 0511910(2-0060)

.590' .000

"°"j

"j .000

.000

53

1S3

-1.000'

53

IS)

153

153

53

753

153

IS)

15)

-.137

-.174 °

-.133

.080

.035

-010

$14

1.000

.064

.024

-.103

-.983°

-.121

.097

.031

.102

.327

.

.664

.907

.659

-

.432

.771

.102

.024

.136

IS)

53

5)

153

153

15)

IS)

.430°

.362°

273°

.940°

.000

.000

.000

0430

-

154

153

53

153

153

267

.067

'.023

265'

.000

.410

.775

.039

, 15)

153

IS)

.720'

.894°

.000

.000

153

IS)

1,000

.135

-

.096

153

753

lS3

153

IS)

.539'

.465°

.462°

.142

.000

.000

.000

.081

-

15)

153

15.5

153 .313

153

153

1S3

153

153

153

15)

103

153

$35

.292

.945'

.064

1,000

264

.473'

245

.003

076

.671

.00!

.432

-

.001

.000

.002

alS

.041

ISa

63

$29

1.000

.724

.000

153

IS)

IS)

.213°

$24

.264°

.008

.771

.009

153

IS)

1.000

-$23 fl6

1S3 264° 201

153

IS)

153

-$79

.044

.330

.585

IS)

153

153

153

153

IS)

153

.155

.023

.552°

-.133

.373°

'.023

1.900

.462

.042

.155

.055

.779

.000

.102

.000

.776

-

.059

.608

.056

1.

IS)

153

153

153

153

IS)

153

15)

153

.047

-.Na ,

.330°

'.183°

245'

.264°

.492°

.090

.086

.4)9'

673

.009

.030

024

002

.069

.500

,

.291

.000

IS)

53

15)

15)

153

153

753

153

153

153

153

IS)

153

53

IS)

153

-lO2

.004

'.042

.003

-

•.Il 9

.006

'$27

-.121

.003

'$79

-.042

.086

9,000

.255

.364

.038

,SSS

-

.170

.350

.741

.136

905

3)0

.608

.251

153

IS)

IS)

1S3

65)

IS)

IS)

IS)

IS)

IS)

15)

IS)

15)

IS)

.736

.123

.155

.090

-

'000

'.049

.082

-200°

$78

.644

.155

.4)5°

.089°

.094

.131

056

.710

-

.946

.651

357

HIS

.549

588

.056

1S)

153

453

153

153

1S)

163

153

IS)

153

753

150

I5)

153

150 .889° IS) 1.000 135

574 (2)2502)

.540

.749

.705

Rg (2-714142)

000

.

SS (2-14502)

.728

lOS

S!9 (2-6740)

.775

542

BREEDTE C6!072(6000676000)

775

773

.795

557

.032

.505

.676

.440

977

655

.770

.000

.000

430

000

.625

.654

.551

552

000

.000

522

651

96-2

550

520

905

.742

000

000

.000

.000

.030

.000

.000

.097

.005

.000

.000

276

746

.000

.000

.507

.010

015

.000

.609

000

722

000

.000

.600

.003

1000

.620'

-.143'

.672'

.023

.504'

,0IS

I000

.236

.019

.151'

.000

.000

.000

.007

.000

876

.000

.748

.000

.860

.001

.644

.065

.000

.000

.060

.0%

.000

000

455

.947

026

000

.012

02)

537'

.642'

S9 (2-4292)

.770

.657

000

.000

S!g (2-082)

785

AGO .504

000

000

000

-792.725

AGO SIO (2-78062)

.507

560

000

.007

.000

.664

574 (2.5060)

.532

.525

.000 A.

.010 AGO

0%

.065

000

.057

-.006

-.874

'.7 73

-.126

.221

206

602

505

.905

.000

.075

.000

.000

.000

99)2-6164)

.676

.792

0%

000

.000

.000

.761

564

.000

574 (2-79723)

.440

.000

067

606

916

.309

.032

003

.022

.680

574 (2.06792)

67)

606

.000

000

.000

.000

737

.670

.500

.000

443

027 AGO

019

-,Slr

017

.275

-006

.090

.760

727'

-242'

.025

575 (40690)

.406

.984

000

.721

.746

.000

054

007

.000

600

552

.400

S!4 (200503)

.773

557

200

.000

-

000

.000

.000

.007

.000

.616

000

VOEVER 00114191600286019!1) 679 (2-00782)

.000

.000

.767

.002

.107

.052 AGO

.000

.747

.007

325

.000

244

003

.570

.507

.000

.376

.660

.519

7.000

-316

-.107'

-330

.727'

-.725'

.047

.727'

.535

.022

.000

.400

.007

.472

006

.340

.610

.000

.000

.000

345

j16

.000

.993

502

.676

319

314

000

.300

.000

.000

.500

007

015

.367

.042

-.025

745

052

.056

552

000

.920

007

-

.030

.000

.000

500

-

S80•

45)

AGO.000

VOLUGAE

VS0000S4 0017840050961501471

-.267'

1,000

746 .1

S.0 (2-00792)

000

S!Q (2-0062)

.000

.000

2)9

5.4 (2-0062)

.000

.000

745

303030 S4541o74761110 LOKATIE 007)94007 00516091..

1000

5.9 (4)443)

S!Q (20660)

.052

0

.000

0ALR

.000

.000

.000

747

.076

.012

.000

019

.000

.970

.610

.847

.007

.890

006

779

370

.003

.507 A.

029

.045

.676

.569

002

.030

)7(

3030570

PTE

IS0

.562

000

.950

365 AGO

.690

.007

.552

.001

303060

4303030

007

.025

.025

010

047

320

20 .545

7570006

02)

0350050 '211

0030E0

.026'

007

.023

2)0'

.050

747

5)4

.994

264

.001

974

997

.752

.500

609

.692

.001

.267

050

.612

.753

.99)

.926

340

000

675

9710

622

.327

.000

002

.000

.000

.000

.551

.180

.009

.000

.002

.404

.020

7.0001

.195'

710

.778

.062

005

.000

.

30

.1 S)4 (2-11463)

.747

497

S14 (2-7662)

914

.350

.000

.025

,03S

.706

827

.994

522

.444

.000

325

.520

7907

.976

7061,0%

.698

.752

.000

.000

.000

-

BTEEOÏE 00,194000 CO2150*T) S,g (2.0060) DIEPTE 0009(8)67 0096595! S74 (2-1662)

.000

.744

.000

.00 0

eLS

000

.000

.300

.002

,

.706'

.756'

000

,

1,000 ,

.440

74

.000

774

-.099

.909'

.072

.796'

.747

.000

.849

.000

2)8

.750-222'

,9S8

-.023

.990'

- 2)0

.706'

.235'

.277

.012

.000

000

907

000

.000

.000

000

.079

.029

.003

.707

.016

.010

.006

52)

.000

001

.000

287

.000

000

.101

.762

.426

207

,

.469

.000

000

000

.000

040

.000

.948

375

572

372

008

.796

.302

.001

S!O (2.76792)

575 (274762)

.00)

69)

.742

.000 GO

.005

.036

,

S!4 (2.6762)

974

625

.000

.845

.707

.0%

.929

S!g (2-14162)

.697

,540

550

.000

.000

050

.304

S!Q (2-77442)

.752

.0%

374

.774

949

60 7

524 (26162) VSTSOOM 001194180005521467 S. (2-7682) M0000EE 0077914766 025602801 S14 (2-8762) OBS 007796405 0096087) S.4. (1.6760)

Sla (2-79303) FLUO C4o,941100 0066097) Sig 25042)

001800700 6979075023) 8)819 014081(29040). C2119640549i4578201 240695 7842 (2-9044)

562

.575

Sao

.000

.000

007

.002

-.450

316

-078

-312'

606

270

305

796

279

044

.025

BOS

.827'

7,0001

.728'

.692

.522

000

273'

-.062

.250

.007

327

.001

.000

.500

.182

.407'

-.796'

.761'

.0%

505

002

.000 799'

000

.959

.000

.516 .762 375

.766

-

,,000

,000

.534

969'

244'

-095

'265'

.000

0%

.906

000

,569

809'

.072

769

l6l

.555

.949

.000

.265'

-.773

462'

.00e

375

.000

.065

.002

000

000

,soo

.022

,000

7.000

-.078

-.708

'.080

-099

-

218

095

204

717

1,000

.790

.710

079'

219

.502

.083

-.709

1997.000

-.078

305'

.002

002

.000

537

.404

.063 To

079

.004

.446

540

812

062

.541

.083

200

747'

.779

.200'

-276

-960

.220'

'.039

335

'099

.779'

997'

885'

.006

007

007

200

.220

272

.500

727

005

.040

000

325

-

-.098

-

.789'

-

'.040

,000

539'

-

.000 807'

0% 1.000

3

LENG TE

L - TIF .944

.000

S5 2-14484)

.982

00!0E

00

05I .707

800

.506

600

797

057

1

MODUREE

241

641

600

901

.000

002

.928

.042

.764

.011

.000

300

.000

.070

.000

.211 .658

.000

SO 2-16080)

514 (2-16142) 1,350373 00016(2165C08150871 S6. (2-1444)

.694

.954 .024

101'

.692

.894

.000

(.000

r 27 514 (2-90164)

..

.000

.944 .025

DIEPTE 0204367 C08150166.

.906

.764

761

000

000

.009

.426

.081'

.

824'

081

.000

090

.000

.000

.389

.000

.000

.040

.064

.645

.052

.502

-.092

.864

2-

.444

.299

.050

.960

.000

006

.000

.000

.355

.000

028

.841'

.066

.918

289

.551

844

327

.104

.112

.001

.044

.126

.000

.005

.120

.181

,35S

.042

.00!

634

.205'

552

.140'

-.043

.051

.027

.004-284'

1000

.001

171

.005

050

326'

.920

279

. 121,

.

.

.078

000

202

201

.000

060

.001

.005

.070

.540

.065

.027

.162

.049

.002

323

223

-

Sla (2-4(44)

S!4(2-0442)

S5 (2-4(42)

.038

.698

.797

.060

.279

.444

.103

.006

III

-

.100 27.

.256

.027

.000

.100

900

.56!

27

-

006

02 54 ( 2(2460)

519 (2- 0854) 002 0211614167050609011 S!l (2-08143)

SIg (2-1044)

.347

.929

.000

050

000

.057

.001

.365

.353

.050

.259

.358

.006

.489

.502

.532'

.918'

.341

448

000

000

000

.000

.821

.000

442

.059

S!g (2-5(160)

530

.764

325

005

55 (2-4)62)

.001

9(1

.000

.000

Sig (2.121163)

OlD (2-4143)

.005

.000

.020

000

900

970

202

-

.060

426

,,454

.0020

.110

(28

005

-.201'

.942'

.095

637

001

.000

(20

,005

.080

000

9(6

424

.404

.029

.163

334

.947

.343

.001

900

900

.001

.000

.006

.181

.001

.027

.000

055

000

328

.

.150

.002

.042

.018

.160

300

05 248

.623

.001

.494

.039

.043

.094

.847

90!

.000

ll57534

26000033

-

-

4 .520

.534

.090

203035

20)603

.380

549

1000

170

-

.631

.363

.838

104

,

(05

.006

.004

000

.001

051

155675

370307E

000

300

.000

2101

.000

.00E

300

.000

.020

OOS .362'

1.050

1.000

1000

(.000

(.000

(354

1.000

lO00

1 000

000

.702

.63S

C21161402736!47156137l 21 618 01402(210142) 02116460746197!5D42121 5(805408(29042)

550 (141. 800.067 1791 267 60 (7) 13557170 429410613132 LOKATIE 04114015(6 0766060

(490

012 (22043)

S!O (2.4142)

.305

75U5

6(006(50

6157030

02,4

50

-698'

000

000

OS7

(000

1,003

1000

.375

,510

.930

39!

.411

.040

380

.540

S4t

.45!'

.429

.566'

445

-sTr

598

'.0(6

005

004

.000

.000

.000

.000

.904

.000

.000

.000

.082

376

311

.025

092

900

(.200

.299'

-.051

.064

'.100

.630

'.058

.600

'.03 .6

.202

.000

.522

719 (4-4.63)

1,000

.675

515 (2-9042)

.300

.5(0

000

000

-629

lol'

'.56

3

.000

3023 .736' 000

1 7.

000

0027 CO!1814157 0505(0921

0(3913

000

01.20 .642' .000

211

1 11

.401

.214'

-.005

.096

.000

.000

.283

.103

.000

001

.753

033

27.

BREEDTE C0T6616700850571 S (2-4644) DIEPTE C011OOI5(TEOOISO5II S14 (2-04142) RICIOTINO 021161216700060571 05, (2-9054)

(.000

.630

.000

,

.772' .900

.426'

269

000

962

.425'

(300

.391

.000

0120

-.050

'.5061

.105

-.091

1050

.411

.000

.093

102

.055

.000

.032

'.139'

.102'

'.045'

402'

500

.942'

321

.029

000

.000

.896

000

,

.224'

.725'

'.195'

.047

'.180'

.090

.000

.054

.720'

'.512'

000

202

.006

.000 -.109' .021

(65

160

.000

308

-

1000

'.640'

.149' 010

(60'

.259'

120' 041

391 '036

069

376

.102

.050

.002

'.091

.030

.102

615

.035

127'

.351

001

.335

.008

253

.049

.892

'.337'

-.040

'.332'

'.160'

.110

.049

.000

.064

19

'326

.119

.644

.053

(69

264

376

.852'

-,153'

-(00

(.000

546

.000

.011

.059

.000

.055

.000

000

031

401'

.712'

5*0

.841'

-(65'

.154

,93r

0(9,2-5643)

900

340

500

.450

.055

.000

.008

.007

.000

Si9 (4-90164)

(900

.000

604

.052

.322

.695

579

609 )2-1442(

7000 III

.522

.000

.090

.000

.300

.503

.165

000

.000

.086

.009

688'

-364'

.620

.210'

.000

.005

.000

900

.639

032

.410

.000

.000

.2

271 VOLUME 0021641610 6096065!

ft U2 16000033 E0,1616180700.180911. 019 (2-9042) 005 007,84167009(50*0, 0(4 (2-0552) EO4E 001164(601 00915065! 509 (2-9054)

-

00116490,149144644712! 64 31 (408! (2 - tal). EOI.1893796145044011 2! 618 OS 1605! (2-4.42)

1.000

.162

.000

-329

,

.

000

078

817

.551'

.773

1,000

006

0.045

'.0(8

.272

.502

.172

.000

090

-

.532

.000

.090

.435

.044

-.100

.630'

'.056

.500

'.030

.163

.006

.322

.000

.617

2(0'

-.202'

210'

001

.000

.354'

314'

.19!

.219'

.194

.030

.060

-.165'

310'

-.051

990

.945

.000

.001

.000

.002

611

.453

056

.000

.310

300

.044

303

.753

.005

__

.576

g

- - - '.057

.110

-328

.049

.004

.644

.024 ~I

.164

.619

-

.

.417

.000

.132

.384

'.024

-

3(3 -.091

4320

.290'

835

.0(9

-

.632

(000

735. .

.005

.

.

.052

.000

.000

-.032

014 (2.14162)

.000

1.000

.093

000

'.345'

.008

.

216.924

l

III

(000

Sig (20847) VOEVER 02110141617 00860971

.075

1771

.

(.620

.031

'.024

.612

.857

- -

065

.6(2

.044

219'

'024

23

.00

.697

.045

.000

.992' .000

-

.610

.

.492'

.802'

.000

.000

7.000

530'

-

.050

1*

LOKATIE

PUUR

Sla (2.14080)

003

SIO (2-8343)

(000

RLEWTE

LESOTE

1,000

000

S!W (2-0.80)

.000

.6)8

((AUTO))

OIEPTE

7000

ESTONU

1.000

VOLI1UE

bEVER

OC

AM"STTOOI4

60045FF

TSE

OOS

FL00

.000

1.000

1,000

1000

.000

1.000

1000

000

000

,SIT

000

703

027

.427

.04)

000

.000

000

.000

.476

0)6

.600

.2014

-.033

.143

.000

.000

.565

.060

003

005

(55'

.000

950

0)4

000

440

.015

434

.441

.008

,SSS

.385

000

000

.000

.052

.000

.000

7 7. .8)5

.

77.

77. .800

720

.

000

.000

.600

7.000

1,000

.000

.055

.795

7,000

.444

000

,00

.OSS

864

S!g (250122)

1,000

407

000

000

SIO (2-14180)

1,000

006

.000

000

060

LENOTE C01014331004760271 Sly (2-50120)

'.035

-.052

.655

-.014

.776

-.06

,646

.415

.000

554

.333

.032

.072

.641

007

.655

970

.345

.000

826

.000

000

.075

000

.4

1 OAEEOTE C011514007 C041501821

675

.000

1,005

'.0 .33

lar .000

000

.000

.670

.493

-,072

-.230

.058

-.141

443

.057

.02!

S6 (2- 5060)

S!g (2.12180)

650

1000

VOEVES 001,6(610500616020)

.055

.649

670

.247

-.570-002

-.070

-346

346

958

.455

'224

.155

-,280

l005

.000

.000

340

.002

.002

.000

.020

9)5

.628

645

.353

-.282'

.657

427

-.030

000

.000

333

340

3)3

2

.440

.060

0

950

074

.622

745 (2-62123)

1000

.789

.000

.476

.345

000

55 (3-60123)

7,000

.5)7

500

.000

.000

.040

.449

.002

-

.545

.000

.650

.034

645

-

.350

S!Q (2-6084)

.048

.012 -.1861.000

-

1,000

.000

264

.454

926

.375

000

.049

783

779

.855

.610

.052

,290

660

-065

.000

1,000

703

000

.030

.000

000

-

.486

.000

000

090

-

1000

347

000

.408

.307

000

.013

.000

.002

.035

7000

447

330

OOr

6 7. 0014 C01180158T 0386020! 5.9 (2-6082)

S!4 (2-8.120)

5.4 (4.0262)

ier

17.

VSTROOM

S!O (2-31)93)

S5 (2-00021

.77.

.000

000

.000

10033F

II .545'

000

Z.

.000

418

958

.074

060

.0)4

0005107407F

0045070

670

470

-

000

.525

.000

.037

.060

.844

.000

.002

.462

.002

4550

443

.047

,06)

021

AFSTANO

705055

00)06E

.000

.000

.440

0)6

SlAAT(S))

0(7515

692

.t l-

3)3

30

.060

010

VITROOM

40007E)

000

0

.500

.000

003 .406'

F47

FLUO

000

.000

033

004

300

000

050

000

000

034

000

S14 (2-8(43)

-

300

7000

000

1000

.000

1,000

7,000

.000

.000

7.000

.000

1000

.000

.000

000

S.4 (2-5083)

000

-

602

654

978

.118

.446

.745

.159

.000

725

.675

.676

.000

.000

.000

000

.326

.000

.000

000

.007

207

005

.000

5p44UT4T6 00 LOKATIE C011616157 03801020,

S!4 (2.8120)

1,003

7703

602

-

000

000

000

.220

,

.01

17. S,Q (2.8183) BREEDTE C0,94125 006)5050) S5 (2)1683)

1000

694

000

000

002

566

879

1,000

976

.0100

.000

54

.068

.076

.154

7,027

.100

-.011

056

54

474

.341'

.210'

452

.081 . 032

.000

.000

-

.1%

.765

.004

633

.000

.000

.270'

.

.106

.003

.434

.047

.470'

.006

,

170

585

.000

.542

.003

934

.576

006

'68 DIEPTE 004,58)58 CO4ISOSSI 1.4 (2.4183)

.000

122

.348

.274

3)0'

7000

IS

.000

000

006

.000 -

-

-.040

- 339

.630

.144

-

563

.000

010

.030

.000

.000

356

29)

.600

.430

.640

.002

,SSS

.829

.773

639

.834

954

1. S.4 (2.06123) 16. .17 754

770

544

-

.090

,791

.965

.000

.,e30

.

.000

.707

.000

.050

,56S

.260

258

IT)

.000

.000

000 IF

.000

-

.540

.505

-

.024

.000

.000

.000

.744

.7)5

.0104

542

.765

.125

.201

000

.182

.717

.34)

.935

.252

262

171

.000

.700

-.011

,0S4

.7%

.960

.474

-

.040

.000

S!4. (2-60123)

300

.048

220

S!4 (2-6083)

1,000

.745

SIg (2-02120)

.433

154

.630

52

07. 376

.6

S14 (20084)

1040

434

.324

.843

.542

.030

.004

.757

329

S!g (2-0087)

1,000 I.

745

333

030

000

.445

.755

.303

.303

075

.829

.000

.000

325

.000

.706

-.002

.634'

.047

.485'

.006

,170

.655

000

.532

.000

.5

.526

.262

.045

.746

.792

. 24

000

,67S

.000

.005

.406

.000

.060

.002

.655

,675

1,000

,210

S.4. 12-11682)

1400

.576

.000

000

S14 (2-0080)

300

.000

.007

.068

514 (2-161120) U0005EE 00116)9505 006150661

.005

.786

.29)

-

16,

".0015110181010611150113441(2.13182) C01191411009819716043191014 0S15091(2.18483(

.700

.796

3

TE

010

-006

-005

0000 S0 029500 LOKATIE 00,6(9,97 0U6(0000

1000

948'

DSC IAFSTAND -001

013

- 000

000007000000 -.001

-.009

.047

'000 -033

-.007

.000

.013

- 009

.017

.000

.932'

.645

229

.324

.360

.999

.999

.330

.629

.753

506

.399

.000

.000

010

.076

1.000

492

.340

419

.,S95'

.400

.799'

532'

.104'

449

.617 -

.540'

.313

.046

.977

.229

.

000

.000

.000

.000

000

000

333

.022

.000

.000

340

.000

932

.121

LENGTE 001194197 00016061(,-.006

.097

492

652'

.209'

037

.037

.063

032

-102

425

.070

.952'

.192

013

.121

S4 12-19192)

.924

.324

300

000

000

.532

.976

.187

033

.010

000

.244

.000

.001

.070

.074

1,0 (2.0992)

562

.069

.000

.022

.020

.009

.000

.000

.081

.000

093

.002

.955

045

.53)

.502

1,0 32-1.2621

330

KUUR CO3,9)6007 009(5061,, 5,4 (2(2360)

(000

lOS'

211 .003

S'4 (0-16182)

907

994

.000

.000

020

.030

.000

.000

.457

.000

.000

.022

.157

S4 (2.1.194)

.942

.594

.000

.502

.040

.003

.000

.000

.0(0

.755

019

002

.040

.960

.733

.460

.000

OSO

449'

.03S

'Tol'

229'

-.9071.400

-.590

.385'

-.129'

(76'

'337'

TOT'

-012

.035

.009

042-1.193)

943

559

300

.579

.039

.000

.000

.003

.044

.005

.000

036

.543

.551

.952

S.g (2.290)

.997

.629

000

.197

.009

.000

.000

.000

-

000

.759

.000

.000

009

.985

.447

945

0, 0 (2-0093)

.984

.547

.000

000

.000

.000

3(0

.003

.000

.439

.000

.000

.000

.000

.002

.0(5

023

.457

.755

.044

(59

440

-

5(1

.122

.081

.002

59

000

530

005

030

000

000

000

000

000

03

.609

.000

244

.091

.200

.000

.000

.000

(22

.000

892

.360

.009

.200

-

020

.040

.038

.005

.000

.001

.000

.097

210

'257'

75'

(62'

023

'.000

'.0(2

.327

.190'

,T9'o'

lol'

-.047

.642

.640

.309

.002

.503

.447

339

AFSTAND EU,,48507 009)50901

.000

.5(9

(44

.744

.109

E. S'Q. (2-4183)

.903

126. 91 3

2 III

5,9 (20984)

,54S

54 (2.38493) 005

C0098517 0093097,

.392'

.000

514 (28, 83)

.001

.000

005

002

.002

.197

.992

S,4 (2-14493)

300

.033

.832

.019

.999

.531

103

.434

.594

574

.002

.990

095

.000

42('

.333

(90

.037

.404

.002

-

.744

.409

944

.092

000

.394

.272

974

090

909000

00E3

.707

.799

000

790' .000

1. 5,0 (2.1.382)

000

.000

.121

,0S4

.060

.922

.945

0000009070900007090003900050

AFSTAND

OGKAEO

0F

III.

.597

.711

.759

.502

.493

(49

00978.0039,MFOIO (07*9.26)

'0901(3

0

S,g (2.10182)

000

776

.820

796

.905

00

00 603

.929

001

01.0

2350

172

000

. 000

S,4. (0-8(84)

000

-

439

.329

359

.002

.,650

,SOT

400

000

521

.959

.359

391

.000

.000

S'g (2.9183)

.776

0`0 439

-

000

.303

.300

-

599

.000

000

.533

.000

.000

.000

.000

.139

.400

44 (2491.3)

827

.120

.000

-

000

000

.464

375

.300

.046

.000

.095

.000

,

.597

002

.333

.121

.004

.500

231

.000

.005

T 000

.226

, 219

990'

-.087

.003

.005

.300

.2S4

000

.005

.070

.064

.025

S,4 (4.2980)

795

353

.000

.000

-.004

.052

.9017

.532'

.405'

S,g (2-(48d(

.939

503

.335

.300

.010

514, (2(91.3)

,

S'9(0-30,1.2)

.497

650

.056

.469

.123

0)071E 001,91.507006790953

-

.005

-

.000

507

.001

.435'

2.r

.107

.2(9

.004

500

.001

.369

.005

.005

.121

.320

.769

.399

.954. .

VOEVER S,g (2.4983)

.711

.93

.000

AlS

.004

005

.005

-321

.459

.716'

lor

.946'

.950'

.,709',107

514 (2.9983)

.799

.462

.050

.000

.330

.000

.070

.164

S(4 (2-1.183)

.603

000

.539

544

.233

.294

-

.747

644'

.544'

.534'

.1617

.000

000

,

VOLUME Co.,.80900066067,

032

7

CQl,893570069015K1 Sig (2-3983)

.625

038

640'

.62

.930

.

VS15007A C5,(9140000U66U67( S14 (2-0983) 400000E U05,68507CU66o.3(

053

.094

.529

,

(59' .940

369

.747

.033

.004

.091

.483

.269

1.000

'049

.863'

'.110

.495'

273'

.097

292'

.526

.005

.157

.000

.000

210

.000

.510

.

.604

.004

.227

.032

.422

.955'

040

(.000

.16('

.524'

.326'

.303

292'

,

.604

-

.007

.000

.200

.902

.309

(.000

217'

-.109

.029

.'215'l,007-.11O .707

.956

,

.095

.005

004

.321

371

.581'

.869

3.000'

.405'

.000

.440

.005 '.320

300

.040

.157

-.0(2

-.161'

.974

.037

2(6'

.890'

'.393

.594'

.005

2(7'

(040

',OSS

.029

097

.479

272

.992'

.020

.000

.607

.001

060'

.762'

S14, (1-19,84)

.799

300

121

.004

.000

.237

.330

.000

C0(164103 C00190931

.306

'.135

436'

.954'

.352'

242

.120

.131

273'

.165'

.029'

-.129

.092'

S4,)216182)

.172

Aal

.000

009

.033

.001

.120

,091

.000

.032

000

.097

.000

S14 2.2983)

,

3033

.136

.567

.807

.366

.799

.693

210

.422

.762

.476

.907

.000

.

.000

000

.202

003

305

.389

269

.000

510

.000

274

.321

333

000

S.ç (23982)

001,629004 9190,50251 9, 5(6 03 860 (2-12183) 030,9(002769,4011714016124 0560(9)2.4184)

000

.000

.

.

1,003

.000

000

LOKATIE S!O. (2-41992)

AFSTAND

vGEVER

VOLUME

VSTADOM

5000000

.941

.154

,861

.986

.814

.081

.858

.000

007

000

007

.184

SAS

.200

975

.096

.000

.769

.992

.152

.000

.000

.000

000

.077

.014

.000

.990

.000

.000

.000

.000

.092

.612

.915

,,000

076

.005

072

.000

.000

.001

.071

.000

.695

.554

.786

659

.000

000

.007

.935

.741

.790

.151

.267 lil

.000

462

.000

.095

296

.522

49

.744

.447

727

.030

.434

.464

.001

382

515

.095

245

.695

.069

. 000

.956

.745

.762

.844

.009

007

247

000

.060

.254

.682

.779

.700

.000

.054

.607

.526

.087

.001

.664

.716

.249

.756

.789

.852

1,000 Ull

.429

.023

LENGTE

BREEDTE

.000

.965

.941

1,000

049

.111

,,000

H

OUUR

RCIUG

DIEPTE

S!g 2-19294)

.000

.

NS.(2-19194)

.995

.046

S!Q (2-16193)

.607

.111

.000

S!9 )2-1a403)

000

152

000

000 .

S!g (2-14443)

.94!

945

.011

.078

269

514.2-4490)

.834

.206

.070

.006 Ull

. 064 Ul,

.717

.

5)4 2-4492)

.567

.615

.000

.072

.956

. 067

.

.447

-

Sig (2-10092)

.056

269

.000

.000

.000

.000

,

.127

249

.

292

.007

.S9S

.005

.000

404

029

.200

,

.717

004

00

DOS

-

ENE

FLUO

519 79197) 21

S!2 (4-9124)

.574

'll .200

000

.000

.000

NS 12-19492)

981

.766

.000

.061

.

27

NS 2.14494) 00055EV 00119911970009061.. 519 (2-4424)

.774

859

.962

.006

471

635

.068

.483

.000

.207

.706

.067

.000

.124

.752

.959

lOOS

.000

.274

.036

.488

202

272

.04)

000

150

.000

.000

259

.

.679

.000

.50

.001

.645

-

001

.741 lll

.790

.755

-.171 S!Q (2)2094)

.055

.000

.084

.686

.741

.502

-

.063

.747

.750

.741

-

.000

.006

S!6. (2-12080)

.020

.000

012

959

.790

.744

-

.3)3

.782

354

.671

.116

.759

.707

.060

-

500

514 (2-16084)

000

.000 1.

.616 Uil

.789

.754

244

-

.306

.544

.552

229

.260

.852

.753

.006

.000

054

-

BIJLAGE V FACTOR-ANALYSE

Scree Plot, RF2 Opwaarts

Scree Plot, RF2, 1 >=60 5

5

4

4

3

3

2

2

5,

ujo

21 9 > c 5)

>

c 5)

0,

1

2 3 4 5 6 7 8 9 10 11

1

2 3 4 5 6 7 8 9 10 11

Component Number

Component Number

Scree Plot, MF2, 1 >= 60

Scree Plot, RF2 Afwaarts 5

6

5

4

0)

76

21

>

0 0) 0,

W

W

O

O 1

2 3 4 5 6 7 8 9 15

1

2 3 4 5 6 7 8 9 10

Component Number

Componerlt Number

Scree Plot, MF2 Afwaarts

Scree Plot, MF2 Opwaarts €

5

4

3

2

0) =1

>

0) 0) 0)

00

__ _______________________ -

1 2 3 4 5 6 7 9 9 10 11 12 13

Component Number

WO

2 3 4 5 6 7 8 9 10 12

Component Number

Scree Plot, RF3 Opwaarts

Scree Plot, RF3, 1 >= 60 5

5

4

4

3

:

2

>

c

9 0) LflO

1 2 3 4 5 6 7 8 9 10 11 12

1

2 3 4 5 6 7 8 9 10 Ii

Component Number

Component Number

Scree Plot, MF3, 1 >= 60

Scree Plot, RF3 Afwaarts 4

6

5 3 4

3

2

0

>

0 0) 0)

)jj0 1

2 3 4 5 6 7 8 9 10

1

2 3 4 5 6 7 8 9 10

Component Number

Component Number

Scree Plot, MF3 Afwaarts

Scree Plot, MF3 Opwaarts 6

5

4

: 3

0) 01

•10 >

0)

1 2 3 4 5 6 7 8 9 10 11 12 13

1 2 3 4 5 6 7 8 9 10 11 12

Component Number

Component Number

Scree Plot, MF3m Opwaarts

Scree Plot, MF3m, 1 >= 60 4

4

3

: 2

co

20

>

>

c

0

0

0

2-1 .. 2 3 4 5 6 7 8 9 10 11 12

Component Number

Scree Plot, MF3m Afwaarts 5-

2

>

0 0 0

2° 1

2 3 4 5 6 7 8 9 10 11 12

Component Number

0° 1 2 3 4 5 6 7 8 9 10 11 12 13

Component Number

nr

NR

ir

4

:

4 t • t

-

J

41r 4zi;

1:.

;—-

16

77

I

l

ov JA -

-

2 Rijkswaterstaat RIZA Kunstmatige Neurale Netwerken toegepast op sedimenttransport in kribvakken langs de Waal gevoeligheidsanalyse fase 1

Recommend Documents