KÖRNYEZETI RENDSZEREK MODELLEZÉSE Dr. Koncsos László egy. docens Érzékenységvizsgálat
A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya
Hibák forrása „nem” tudás - modell-hibák Hibás bemeneti adatok Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya Hibás bemeneti adatok Hibás paraméter-adatok
Érzékenységvizsgálat Érzékenység a paraméterek hibáira Érzékenység a bemenő adatok hibáira
ANYAGMÉRLEG Megváltozás = BE - KI ± S KI (2) (1) V BE ellenőrző felület BE (1) V Megváltozás = BE - KI ± S
ANYAGMÉRLEG KI (2) (1) V BE Feladat: ellenőrző felület BE (1) V Feladat: anyagáramok definiálása a (1) és a (2) szelvényben forrástag (S) definiálása a megváltozás felírása az ellenőrző felületen belül
ANYAGMÉRLEG Megváltozás = BE - KI ± S ha a C koncentráció a V térfogaton belül állandó (teljes elkeveredés) Megváltozás = BE - KI ± S ha C(t), Q1(t), Q2(t) = áll. permanens (Q=A∙v) ha FORRÁSOK = O konzervatív anyag
ANYAGMÉRLEG - Kitérő Konzervatív anyag: Oldott állapotú Nem ülepedő Nem reagáló Pl.: konyhasó Valóságban előforduló szennyezők nagy többsége nem-konzervatív!
ANYAGMÉRLEG EGY FOLYÓSZAKASZRA Permanens eset C(t)=const, Q(t)=const Ülepedésre képes szennyező S ≠ 0 Prizmatikus meder A, B, H = áll. B H vS A B H [m2]
(kiülepedett anyagmennyiség) (1) (2) x x Q KI A ∙ v [ C+ x dC/dx ] c(x) - lineáris (feltevés) BE A ∙ v ∙ C Q ∙ C MEGVÁLTOZÁS (kiülepedett anyagmennyiség) B ∙ x ∙ vs ∙ C AV AV
AvC - AvC - Av x dC/dx = B x vS C : AvC - AvC - Av x dC/dx = B x vS C (A=B ∙ H) v vS ha x=O C=Co
: BOI esetében AvC - AvC - Av x dC/dx = B x H k C (A=B ∙ H) Lebomlási tényező ha x=O C=Co
Ch - háttér koncentráció CO MEGHATÁROZÁSA Ch - háttér koncentráció CO - szennyvízbevezetés alatt Q x E=qc - emisszió 1D - Teljes elkeveredés (két víz összekeverése) Anyagmérleg QCh + qc = (Q+q) CO Koncentráció-övekmény E hígulási arány
Hidrodinamikai modell: permanens áramlás Hidrodinamikai modellből: t=x/v 1 t…levonulási idő k…lebomlási tényező k=k(T) Hidrodinamikai modell: permanens áramlás -Négyszögszelvény, -Széles meder -Permananens állandó vm.
Levonulási idő: Mivel:
H=f(Q,kst,B,I) Paraméterek Input adat
Érzékenység vizsgálat az inputok véletlen perturbációjával e(I) Inputok: I=I+e(I) Determinisztikus modell modell e(O) Output hiba eloszlása Érzékenység vizsgálat az inputok véletlen perturbációjával
Chezy féle 1D hidrodinamikai modell e(I) Inputok: I=I+e(I) Kst,B,I Determinisztikus modell modell e(O) Output hiba eloszlása H Érzékenység vizsgálat az inputok véletlen perturbációjával
Chezy féle 1D hidrodinamikai modell e(I) Inputok: I=I+e(I) Kst,B,I -Egyenként, -együtt Determinisztikus modell modell e(O) Output hiba eloszlása H Érzékenység vizsgálat az inputok véletlen perturbációjával
Chezy féle 1D hidrodinamikai modell: Példa e(I) Inputok: I=I+e(I) Egyenletes eloszlás Kst,B,I Determinisztikus modell modell e(O) Output hiba eloszlása H Érzékenység vizsgálat az inputok véletlen perturbációjával
Hidrodinamikai modellből: t=x/v=x/(Q/BH) 1 t…levonulási idő k…lebomlási tényező
Streeter-Phelps modell: BOI e(I) Inputok: I=I+e(I) Kst,B,I,k -Egyenként, -együtt Determinisztikus modell modell e(O) Output hiba eloszlása c Érzékenység vizsgálat az inputok véletlen perturbációjával
Érzékenységvizsgálat inputok perturbálásával Paksi hőszennyezés „esettanulmány”
Miért érdemes az inputokat terhelő bizonytalanságokkal foglalkozni? Pl. mert azok gyakran mérési adatok. Mérés = hiba, bizonytalanság
Érzékenységvizsgálat determinisztikus modell függvényének Taylor-sorba fejtésével Analitikus eljárás, papír, ceruza elég hozzá! Az egyszerűség kedvéért tekintsünk egy egyváltozós modellt: y=f(x)
Kettős cél Egyváltozós modell modell érzékenységének vizsgálata bizonytalansági becslés elvégzése: a bemenő adatok statisztikai jellemzői alapján a vizsgált változó várható értékének szórásának meghatározása Egyváltozós modell az egyszerűség kedvéért feltevések: kellően „sima” deriválható függvény a független változót terhelő hiba becsülhető mértékű
INPUT OUTPUT ? ?
Modell kimenetének várható értéke Modell kimenetének szórása – Taylor sor Linearizálás,
Modell kimenetének szórása szórás képzése, és Tehát nyertünk egy olyan összefüggést, amivel a bemenő változó szórásának függvényeként becsülhető az eredmény szórása
Mi a helyzet két független változó esetén?
INPUT OUTPUT ? ?
Modell kimenetének várható értéke Két független változó esetén
Modell kimenetének szórása Két független változó esetén Kétváltozós függvény Taylor-sora linearizálás után várható értékek körül kifejtve
Modell kimenetének szórása Két független változó esetén Szórás képzése után
Taylor-soros érzékenységvizsgálattal ismerve az input adatok statisztikai jellemzőit a modellben használt függvény deriváltjait becsülhető az output várható értéke és a szórása Előnyök sok esetben egyszerűen kivitelezhető reprezentálja a modell paraméterek kovariancia struktúráját Feltevések, egyszerűsítések közelítő megoldás bonyolult, pl. nem-lineáris függvények esetén nem használható
Érzékenységvizsgálat – összegzés Hátrány Előny Leírás Módszer Bizonytalanságok mértékére nehéz következtetni Egyszerű, könnyen elvégezhető Paraméterek (fél)manuális perturbálása, változások nyomon követése Egyszerű érzékenység-vizsgálat Idő- és számításigényes. Inputok kovariancia struktúráját nem feltétlenül adja vissza Egzakt, realisztikus megoldás. Bizonytalan-ságok becslése Algoritmikus, véletlenszerű perturbáció valós vagy feltételezett hibafüggvények alapján. Érzékenység, és a bizonytalanság mértékének meghatározása Monte Carlo elemzés Közelítés, komplexebb függvények esetén nem jó. Szórások ismerete szükséges Kovariancia struktúra megőrzése, sokszor egyszerű, gyors Az output szórásának becslése az inputokat terhelő bizonytalanságok függvényeként. Sorbafejtéses vizsgálat
2. házi feladat – Érzékenységvizsgálat Inputok perturbációja y koordináták módosítása véletlen {0, 0.1} tartományban mozgó hibataggal célfüggvény és a C(2,1) koncentráció megváltozása kezdőknek és haladóknak Taylor-sorba fejtéses vizsgálat 2D transzport-egyenlet megoldásának sorba fejtése vx és Dy szerint vx és Dy várható értéke, szórása, kovarianciája ismert (kiírás a honlapon) deriváltak meghatározása 9-től 99 éves korig minden mérnöknek!