pydra-core 0.0.1__py2.py3-none-any.whl

pydra_core/core/exceedance_frequency_line_experimental.py

@@ -0,0 +1,163 @@
+import numpy as np
+
+from .calculation import Calculation
+from .datamodels.frequency_line import FrequencyLine
+from ..location.location import Location
+
+
+class ExceedanceFrequencyLineExperimental(Calculation):
+    """
+    Calculate a frequency line for a result variable (e.g. h (waterlevel), hs (significant wave height)) for a location
+    """
+
+    def __init__(
+        self,
+        result_variable: str,
+        model_uncertainty: bool = True,
+        levels: list = None,
+        step_size: float = 0.1,
+    ):
+        """
+        The __init__ method initializes an instance of the ExceedanceFrequencyLine class. It takes in several parameters to configure the calculation of the frequency line.
+
+        Parameters
+        ----------
+        result_variable : str
+            The result variable for which the frequency line will be calculated.
+        model_uncertainty : bool (optional)
+            Enable or disable the use of model uncertainties when calculating the frequency line. Default is True.
+        levels : list (optional):
+            The levels at which the exceedance probability has to be calculated. If not specified, the levels will be chosen between the 1st and 99th percentile of the values in the HRDatabase.
+        step_size : float (optional)
+            The step size of the frequency line. Default is 0.1.
+        """
+        # Inherit
+        super().__init__()
+
+        # Warning
+        print(
+            "Experimental version may give different results for water levels when applying model uncertainty."
+        )
+
+        # Save settings
+        self.set_result_variable(result_variable.lower())
+        self.use_model_uncertainty(model_uncertainty)
+        self.set_levels(levels)
+        self.set_step_size(step_size)
+
+    def calculate_location(self, location: Location) -> FrequencyLine:
+        """
+        Calculate the exceedance probability of the variable at a given set of levels.
+        If the levels are not specified, they will be chosen at the 1st and 99th percentile of all values in the database.
+
+        Parameter
+        ---------
+        location : Location
+            The Location object
+
+        Returns
+        -------
+        FrequencyLine
+            Frequency line of the result variable
+        """
+        # Copy the levels
+        levels = self.levels
+
+        # Obtain location object
+        model = location.get_model()
+        loading = model.get_loading()
+
+        # Check if the levels are defined, if not, define it between the 1st and 99th percentile
+        if levels is None:
+            lower, upper = loading.get_quantile_range(
+                self.result_variable, 0.01, 0.99, 3
+            )
+            levels = np.arange(lower, upper + 0.5 * self.step_size, self.step_size)
+
+        # Repair
+        loading.repair_loadingmodels(self.result_variable)
+
+        # Splits uit naar trage stochasten en windrichting
+        p_h_slow = model.calculate_probability_loading(
+            result_variable=self.result_variable,
+            levels=levels,
+            model_uncertainty=self.model_uncertainty,
+            split_input_variables=list(model.statistics.stochastics_slow.keys()),
+            given=list(model.statistics.stochastics_slow.keys()),
+        )
+
+        # Reken kansen om naar overschrijdingskansen door over de eerste te sommeren
+        ep_h_slow = np.cumsum(p_h_slow[::-1], axis=0)[-2::-1]
+
+        # Process slow stochastics (they are always at the last axes of the matrix)
+        if len(list(model.statistics.stochastics_slow.keys())) > 0:
+            p_trapezoidal = model.process_slow_stochastics(ep_h_slow)
+            exceedance_probability = (
+                p_trapezoidal * location.get_settings().periods_base_duration
+            )
+
+        # Zo niet, geef de overschrijdingskansen direct terug
+        else:
+            exceedance_probability = (
+                ep_h_slow * location.settings.periods_block_duration
+            )
+
+        # Return the frequency line
+        return FrequencyLine(levels, exceedance_probability)
+
+    def set_result_variable(self, result_variable: str):
+        """
+        Change the result variable for which the frequency line will be calculated.
+
+        Parameters
+        ----------
+        result_variable : str
+            The result variable for which the frequency line will be calculated
+        """
+        # Raise an error when assigning the wave direction (dir)
+        if result_variable == "dir":
+            raise ValueError(
+                "[ERROR] Cannot calculate a frequency line for the wave direction (dir)."
+            )
+
+        # Save result variable
+        self.result_variable = result_variable
+
+    def set_levels(self, levels: list = None):
+        """
+        Change the levels.
+        If levels is not defined, the frequency line is calculated based upon the 1st and 99th percentile.
+
+        Parameters
+        ----------
+        levels : list, optional
+            The levels at which the exceedance probability has to be calculated
+        """
+        self.levels = levels
+
+    def set_step_size(self, step_size: float):
+        """
+        Change the step size of the frequency line.
+
+        Parameters
+        ----------
+        step_size : float
+            The step size of the frequency line
+        """
+        # Cannot be smaller or equal to 0
+        if step_size <= 0:
+            raise ValueError("[ERROR] Step size should be larger than 0.")
+
+        # Save step size
+        self.step_size = step_size
+
+    def use_model_uncertainty(self, model_uncertainty: bool):
+        """
+        Use model uncertainty when calculating a frequency line.
+
+        Parameters
+        ----------
+        model_uncertainty : bool
+            Enable or disable the use of model uncertainties
+        """
+        self.model_uncertainty = model_uncertainty

pydra_core/core/hbn.py

@@ -0,0 +1,226 @@
+import numpy as np
+
+from datetime import datetime
+
+from .calculation import Calculation
+from .datamodels.frequency_line import FrequencyLine
+from ..common.probability import ProbabilityFunctions
+from ..location.location import Location
+from ..location.model.wave_overtopping import WaveOvertopping
+
+
+class HBN(Calculation):
+    """
+    Calculate the HBN for a location
+    """
+
+    def __init__(
+        self,
+        q_overtopping: float = 0.010,
+        levels: list = None,
+        step_size: float = 0.1,
+        model_uncertainty: bool = True,
+    ):
+        """
+        The __init__ method initializes an instance of the ExceedanceFrequencyLine class. It takes in several parameters to configure the calculation of the frequency line.
+
+        Parameters
+        ----------
+        q_overtopping : float (optional)
+            The critical overtopping discharge. Default is 0.01 m3/m/s (10 l/m/s)
+        levels : list (optional):
+            The levels at which the exceedance probability has to be calculated. If not specified, the levels will be chosen between the 1st and 99th percentile of the values in the HRDatabase.
+        step_size : float (optional)
+            The step size of the frequency line. Default is 0.1.
+        model_uncertainty : bool (optional)
+            Enable or disable the use of model uncertainties when calculating the frequency line. Default is True.
+        """
+        # Inherit
+        super().__init__()
+
+        # Save settings
+        self.set_critical_overtopping(q_overtopping)
+        self.set_levels(levels)
+        self.set_step_size(step_size)
+        self.use_model_uncertainty(model_uncertainty)
+
+    def calculate_location(self, location: Location) -> float:
+        """
+        Calculate the exceedance probability of the variable at a given set of levels.
+        If the levels are not specified, they will be chosen at the 1st and 99th percentile of all values in the database.
+
+        Parameter
+        ---------
+        location : Location
+            The Location object
+
+        Returns
+        -------
+        FrequencyLine
+            Frequency line of the crest level
+        """
+        # Check if a profile is defined
+        if not location.has_profile():
+            print(
+                f"[WARNING] Profile is not assiged to location '{location.get_settings().location}'. Skipping this calculation."
+            )
+            return None
+
+        # Obtain profile and validate
+        profile = location.get_profile()
+        if not profile.validate_profile():
+            print(
+                f"[WARNING] Something is wrong with the assigned profile of location '{location.get_settings().location}'. Skipping this calculation."
+            )
+            return None
+
+        # Copy the levels
+        levels = self.levels
+
+        # Obtain location object
+        settings = location.get_settings()
+        model = location.get_model()
+        statistics = model.get_statistics()
+        loading = model.get_loading()
+        slow_stochastics = list(statistics.stochastics_slow.keys())
+
+        # TODO: Beter levels bepalen
+        # If no levels are defined, derive them based on the water level in the database
+        if levels is None:
+            _, upper_ws = loading.get_quantile_range("h", 0.01, 0.99, 3)
+            _, upper_hs = loading.get_quantile_range("hs", 0.01, 0.99, 3)
+            levels = np.arange(
+                0, upper_ws + 4 * upper_hs + 0.5 * self.step_size, self.step_size
+            )
+
+        # Calculate the boundaries
+        h_boundaries = ProbabilityFunctions.calculate_boundaries(levels)
+
+        # P(H=h, U=u, R=r | Q=q)
+        p_hur_tr = model.calculate_probability_loading(
+            result_variable="h",
+            levels=h_boundaries,
+            split_input_variables=["u"] + slow_stochastics + ["r"],
+            model_uncertainty=self.model_uncertainty,
+            given=slow_stochastics,
+        )
+
+        # Init wave overtopping statistics and loading
+        wave_overtopping = WaveOvertopping(location, levels, p_hur_tr[1:-1])
+        wave_overtopping_statistics = wave_overtopping.get_statistics()
+        wave_overtopping_loading = wave_overtopping.get_loading()
+
+        # Create an empty array for the levels and slow stochastics
+        p_hbn_slow = np.zeros(
+            (len(levels),)
+            + tuple(
+                [
+                    getattr(wave_overtopping_statistics, f"n{x}")
+                    for x in slow_stochastics
+                ]
+            )
+        )
+
+        # Iterate over the wave conditions model uncertainty
+        # ASSUME: model uncertainties for wave height/period do not differ given the state of the barrier
+        iterator = np.array(
+            list(
+                statistics.model_uncertainties.iterate_model_uncertainty_wave_conditions(
+                    wave_period="tspec"
+                )
+            )
+        )
+        iterator = iterator if self.model_uncertainty else np.array([[1.0, 1.0, 1.0]])
+        for n_id, (factor_hs, factor_tspec, p_occ) in enumerate(iterator):
+            # Info
+            print(
+                f"[{datetime.now().strftime('%H:%M:%S')}]: Model uncertainties {n_id + 1}/{len(list(iterator))} (fhs = {round(factor_hs, 3)}; ftspec = {round(factor_tspec, 3)}; p = {round(p_occ, 3)})"
+            )
+
+            # Calculate the height of the HBNs
+            wave_overtopping_loading.calculate_hbn(
+                profile, self.q_overtopping, factor_hs, factor_tspec
+            )
+
+            # Repair HBN
+            wave_overtopping_loading.repair_loadingmodels("hbn")
+
+            # Calculate the probability of a HBN
+            p_hbn_monz = wave_overtopping.calculate_probability_loading(
+                result_variable="hbn",
+                levels=levels[1:],
+                model_uncertainty=False,
+                split_input_variables=slow_stochastics,
+                given=slow_stochastics,
+            )
+            p_hbn_slow += p_hbn_monz * p_occ
+
+        # Translate to exceedance probabilities P(HBN>hbn | Q=q)
+        ep_hbn_slow = np.cumsum(p_hbn_slow[::-1], axis=0)[-1::-1]
+
+        # Process slow stochastics (they are always at the last axes of the matrix)
+        if len(statistics.stochastics_slow) > 0:
+            p_trapezoidal = model.process_slow_stochastics(ep_hbn_slow)
+            exceedance_probability = p_trapezoidal * settings.periods_base_duration
+
+        # If there are no slow stochastics, return the excedeence probability times the amount of periods
+        else:
+            exceedance_probability = ep_hbn_slow * settings.periods_block_duration
+
+        # Return the exceedance frequency line of the HBN
+        return FrequencyLine(levels, exceedance_probability)
+
+    def set_critical_overtopping(self, q_overtopping: float):
+        """
+        Change the critical overtopping
+
+        Parameters
+        ----------
+        q_overtopping : float
+            The critical overtopping [m3/m/s]
+        """
+        # Cannot be smaller or equal to 0
+        if q_overtopping <= 0:
+            raise ValueError("[ERROR] Critical overtopping should be larger than 0.")
+
+        # Save the critical overtopping
+        self.q_overtopping = q_overtopping
+
+    def set_levels(self, levels: list = None):
+        """
+        Change the levels.
+        If levels is not defined, the frequency line is calculated based upon the 1st and 99th percentile.
+
+        Parameters
+        ----------
+        levels : list, optional
+            The levels at which the exceedance probability has to be calculated
+        """
+        self.levels = levels
+
+    def set_step_size(self, step_size: float):
+        """
+        Change the step size of the frequency line.
+
+        Parameters
+        ----------
+        step_size : float
+            The step size of the frequency line
+        """
+        # Cannot be smaller or equal to 0
+        if step_size <= 0:
+            raise ValueError("[ERROR] Step size should be larger than 0.")
+
+        # Save step size
+        self.step_size = step_size
+
+    def use_model_uncertainty(self, model_uncertainty: bool):
+        """
+        Use model uncertainty when calculating a frequency line.
+
+        Parameters
+        ----------
+        model_uncertainty : bool
+            Enable or disable the use of model uncertainties
+        """
+        self.model_uncertainty = model_uncertainty

pydra_core/data/settings/lower_river_settings.cpg

@@ -0,0 +1 @@
+UTF-8

pydra_core/data/settings/lower_river_settings.prj

@@ -0,0 +1 @@
+PROJCS["RD_New",GEOGCS["GCS_Amersfoort",DATUM["D_Amersfoort",SPHEROID["Bessel_1841",6377397.155,299.1528128]],PRIMEM["Greenwich",0.0],UNIT["Degree",0.0174532925199433]],PROJECTION["Double_Stereographic"],PARAMETER["False_Easting",155000.0],PARAMETER["False_Northing",463000.0],PARAMETER["Central_Meridian",5.38763888888889],PARAMETER["Scale_Factor",0.9999079],PARAMETER["Latitude_Of_Origin",52.1561605555556],UNIT["Meter",1.0]]

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_2017.txt

@@ -0,0 +1,37 @@
+*
+* Overschrijdingskansen piekwaarde Borgharen (Hydra-NL). Zonder onzekerheden.
+*
+* Door:    C.P.M. Geerse van HKV lijn in water
+* Datum:   16 december 2015
+* Project: PR3216.10
+*
+* Zie voor beschrijving het rapport:
+* Werkwijze uitintegreren onzekerheden basisstochasten voor Hydra-NL.
+* Afvoeren, meerpeilen, zeewaterstanden en windsnelheden. 
+* Chris Geerse. HKV Lijn in Water, december 2015.
+* 
+* Basisduur trapezia: B = 30 dagen.
+* 
+* Piekwaarde  Overschrijdingskans
+*     [m3/s]          [-]
+       0         1.00
+       75        0.995
+       200       0.88
+       300       0.76
+       500       0.55
+       1000      0.264
+       1440      8.333E-02
+       1970      3.333E-02
+       2300      1.667E-02
+       2600      8.333E-03
+       2970      3.333E-03
+       3220      1.667E-03
+       3520      6.667E-04
+       3700      3.333E-04
+       3910      1.333E-04
+       4020      8.333E-05
+       4180      4.167E-05
+       4400      1.667E-05
+       4560      8.333E-06
+       4770      3.333E-06
+       4930      1.667E-06

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_2017_metOnzHeid.txt

@@ -0,0 +1,46 @@
+* Overschrijdingskansen piekwaarde Borgharen (Hydra-NL). Met statistische onzekerheid
+* bij gebruik Weismandrempel.
+*
+* 
+* Basisduur trapezia: B = 30 dagen.
+* 
+* Door: G.W.F. Rongen van HKV lijn in water
+* Project: PR3280.20.09
+* 
+* Gegevens gebruikt uit de mail van 14-07-2016 van Henk van den Boogaart
+* aan onder meer Hendrik Buiteveld.
+*
+*
+* Piekwaarde    Overschrijdingskans
+*      [m3/s]       [-]
+        0           1.000e+00       
+        75          9.950e-01       
+        200         8.800e-01       
+        300         7.600e-01       
+        500         5.500e-01       
+        1000        2.640e-01       
+        1200        1.232e-01       
+        1400        8.894e-02       
+        1600        6.413e-02       
+        1800        4.558e-02       
+        2000        3.156e-02       
+        2200        2.102e-02       
+        2400        1.337e-02       
+        2600        8.558e-03       
+        2800        5.497e-03       
+        3000        3.490e-03       
+        3200        2.163e-03       
+        3400        1.283e-03       
+        3600        7.126e-04       
+        3800        3.687e-04       
+        4000        1.816e-04       
+        4200        8.855e-05       
+        4400        4.406e-05       
+        4600        2.263e-05       
+        4800        1.199e-05       
+        5000        6.512e-06       
+        5200        3.613e-06       
+        5400        2.040e-06       
+        5600        1.169e-06       
+        5800        6.791e-07       
+        6000        3.991e-07       

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_OI2014_G_2015_metOnzHeid_v02.txt

@@ -0,0 +1,50 @@
+*
+* OI2014-invoerbestand voor Hydra-NL met overschrijdingskansen van de piekwaarde van de Maasafvoer 
+* bij Borgharen met statistische onzekerheid voor het klimaatscenario G voor het referentiejaar 2015. 
+* De overschrijdingskansen uit dit bestand zijn inclusief overstromingen in Walloni�.
+*
+*
+* De afvoerstatistiek voor het referentiejaar 2015 is gemaakt in het GRADE-project met SOBEK3 [Hegnauer, Deltares]. 
+* De conversie naar het Hydra-format plus een aanpassing bij de laagste afvoeren 
+* voor bruikbaarheid in Hydra-NL is gedaan door Matthijs Duits van HKV.
+*
+*
+* Basisduur trapezia: B = 30 dagen.
+*
+* Piekwaarde Maas    Overschrijdingskans
+*  Afvoer [m�/s]        [-]
+               0        1.000E+00
+              75        9.950E-01
+             200        8.800E-01
+             300        7.600E-01
+             500        5.500E-01
+            1000        2.640E-01
+            1410        8.597E-02
+            1600        5.938E-02
+            1800        4.172E-02
+            2000        2.859E-02
+            2200        1.875E-02
+            2400        1.200E-02
+            2600        7.709E-03
+            2800        4.955E-03
+            3000        3.133E-03
+            3200        1.921E-03
+            3400        1.121E-03
+            3600        6.047E-04
+            3800        2.957E-04
+            4000        1.318E-04
+            4200        5.586E-05
+            4400        2.396E-05
+            4600        1.096E-05
+            4800        5.429E-06
+            5000        2.858E-06
+            5200        1.563E-06
+            5400        8.753E-07
+            5600        4.985E-07
+            5800        2.877E-07
+            6000        1.679E-07
+            6200        9.890E-08
+            6400        5.874E-08
+            6600        3.514E-08
+            6800        2.116E-08
+            7000        1.282E-08

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_OI2014_G_2015_v02.txt

@@ -0,0 +1,42 @@
+*
+* OI2014-invoerbestand voor Hydra-NL met overschrijdingskansen van de piekwaarde van de Maasafvoer 
+* bij Borgharen zonder statistische onzekerheid voor het klimaatscenario G voor het referentiejaar 2015. 
+* De overschrijdingskansen uit dit bestand zijn inclusief overstromingen in Walloni�.
+*
+*
+* De afvoerstatistiek voor het referentiejaar 2015 is gemaakt in het GRADE-project met SOBEK3 [Hegnauer, Deltares]. 
+* De conversie naar het Hydra-format plus een aanpassing bij de laagste afvoeren 
+* voor bruikbaarheid in Hydra-NL is gedaan door Matthijs Duits van HKV.
+*
+*
+* Basisduur trapezia: B = 30 dagen.
+*
+* Piekwaarde Maas    Overschrijdingskans
+*  Afvoer [m�/s]        [-]
+               0        1.000E+00
+              75        9.950E-01
+             200        8.800E-01
+             300        7.600E-01
+             500        5.500E-01
+            1000        2.640E-01
+            1410        8.333E-02
+            1930        3.333E-02
+            2260        1.667E-02
+            2560        8.333E-03
+            2740        5.556E-03
+            2930        3.333E-03
+            3190        1.667E-03
+            3490        6.667E-04
+            3540        5.556E-04
+            3650        3.333E-04
+            3770        1.667E-04
+            3810        1.333E-04
+            3880        8.333E-05
+            3950        5.556E-05
+            4000        4.167E-05
+            4050        3.333E-05
+            4210        1.667E-05
+            4370        8.333E-06
+            4460        5.556E-06
+            4580        3.333E-06
+            4740        1.667E-06

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_OI2014_G_2050_metOnzHeid_v02.txt

@@ -0,0 +1,56 @@
+*
+* OI2014-invoerbestand voor Hydra-NL met overschrijdingskansen van de piekwaarde van de Maasafvoer 
+* bij Borgharen met statistische onzekerheid voor het klimaatscenario G voor het jaar 2050.
+* De overschrijdingskansen uit dit bestand zijn inclusief overstromingen in Walloni�.
+*
+*
+* De afvoerstatistiek voor het referentiejaar 2015 is gemaakt in het GRADE-project met SOBEK3 [Hegnauer, Deltares]. 
+* Door toepassing van een toeslag op de afvoeren van deze statistiek is de afvoerstatistiek voor 2050 G gemaakt.
+*     Q_{2050G} = Q_{Ref, SOBEK3} + 0.5 * (Q-{2050W+, HBV} - Q_{Ref, HBV}).
+* De toeslag is dus bepaald uit de HBV-statistiek van de Maasafvoer voor het referentiejaar 2015 
+* en het klimaatscenario W+ voor het jaar 2050 [Hegnauer, Deltares].
+* Aanpassing van de afvoeren met een herhalingstijd groter dan 3000 jaar zodat nieuwe OI2014-
+* waarden lager zijn dan de vorige OI2014-waarden (v4) [Buiteveld en Vos, Rijswaterstaat WVL]
+* De conversie naar het Hydra-format plus een aanpassing bij de laagste afvoeren 
+* voor bruikbaarheid in Hydra-NL is gedaan door Matthijs Duits van HKV.
+*
+*
+* Basisduur trapezia: B = 30 dagen.
+*
+* Piekwaarde Maas    Overschrijdingskans
+*  Afvoer [m�/s]        [-]
+               0        1.000E+00
+              75        9.950E-01
+             200        8.800E-01
+             300        7.600E-01
+             500        5.500E-01
+            1000        2.640E-01
+            1460        8.518E-02
+            1600        6.520E-02
+            1800        4.613E-02
+            2000        3.224E-02
+            2200        2.183E-02
+            2400        1.445E-02
+            2600        9.538E-03
+            2800        6.350E-03
+            3000        4.194E-03
+            3200        2.684E-03
+            3400        1.631E-03
+            3600        9.275E-04
+            3800        4.873E-04
+            4000        2.346E-04
+            4200        1.040E-04
+            4400        4.344E-05
+            4600        1.795E-05
+            4800        7.786E-06
+            5000        3.670E-06
+            5200        1.863E-06
+            5400        9.901E-07
+            5600        5.386E-07
+            5800        2.967E-07
+            6000        1.649E-07
+            6200        9.229E-08
+            6400        5.204E-08
+            6600        2.955E-08
+            6800        1.690E-08
+            7000        9.727E-09

pydra_core/data/statistics/Afvoer/Borgharen/Ovkans_Borgharen_piekafvoer_OI2014_G_2050_v02.txt

@@ -0,0 +1,48 @@
+*
+* OI2014-invoerbestand voor Hydra-NL met overschrijdingskansen van de piekwaarde van de Maasafvoer 
+* bij Borgharen zonder statistische onzekerheid voor het klimaatscenario G voor het jaar 2050.
+* De overschrijdingskansen uit dit bestand zijn inclusief overstromingen in Walloni�.
+*
+*
+* De afvoerstatistiek voor het referentiejaar 2015 is gemaakt in het GRADE-project met SOBEK3 [Hegnauer, Deltares]. 
+* Door toepassing van een toeslag op de afvoeren van deze statistiek is de afvoerstatistiek voor 2050 G gemaakt.
+*     Q_{2050G} = Q_{Ref, SOBEK3} + 0.5 * (Q-{2050W+, HBV} - Q_{Ref, HBV}).
+* De toeslag is dus bepaald uit de HBV-statistiek van de Maasafvoer voor het referentiejaar 2015 
+* en het klimaatscenario W+ voor het jaar 2050 [Hegnauer, Deltares].
+* Aanpassing van de afvoeren met een herhalingstijd groter dan 3000 jaar zodat nieuwe OI2014-
+* waarden lager zijn dan de vorige OI2014-waarden (v4) [Buiteveld en Vos, Rijswaterstaat WVL]
+* De conversie naar het Hydra-format plus een aanpassing bij de laagste afvoeren 
+* voor bruikbaarheid in Hydra-NL is gedaan door Matthijs Duits van HKV.
+*
+*
+* Basisduur trapezia: B = 30 dagen.
+*
+* Piekwaarde Maas    Overschrijdingskans
+*  Afvoer [m�/s]        [-]
+               0        1.000E+00
+              75        9.950E-01
+             200        8.800E-01
+             300        7.600E-01
+             500        5.500E-01
+            1000        2.640E-01
+            1460        8.333E-02
+            1990        3.333E-02
+            2340        1.667E-02
+            2660        8.333E-03
+            2850        5.556E-03
+            3060        3.333E-03
+            3320        1.667E-03
+            3630        6.667E-04
+            3670        5.556E-04
+            3800        3.333E-04
+            3900        1.667E-04
+            3920        1.333E-04
+            3990        8.333E-05
+            4030        5.556E-05
+            4070        4.167E-05
+            4110        3.333E-05
+            4260        1.667E-05
+            4410        8.333E-06
+            4500        5.556E-06
+            4610        3.333E-06
+            4750        1.667E-06