KÖRNYEZETI RENDSZEREK MODELLEZÉSE

Slides:



Advertisements
Hasonló előadás
Mozgások I Newton - törvényei
Advertisements

Kvantitatív módszerek
Az időjárás előrejelzése
„A városi közlekedés alternatívái”
2010 időjárása, különös tekintettel a nagy csapadékokra és más veszélyes jelenségekre dr Bonta Imre, Babolcsai György, Ujváry Katalin (IEO) Nagy csapadékos.
A vidékfejlesztéstől az öko-turizmusig a Nyugat-dunántúli régióban Határmentiségtől az integrált határrégióig Sopron április 06.
Ecological assessment of the Szamos/Somes River to determine its influance on the ecological state of the Tisza River Dr. Csipkés József Felső-Tisza-vidéki.
Készítette: Tóth Enikő 11.A
Érzékenységvizsgálat
Anyagáramok meghatározásának hibája és a becslés pontosításának lehetőségei.
A Kis-Balaton Védőrendszer
Hidrológiai alapú modellek elvi sémája
A klímaváltozás hidrológiai vonatkozásai a Kárpát-medencében
AZ ÉGHAJLATTAN FOGALMA, TÁRGYA, MÓDSZEREI
DÖNTÉSELMÉLET A DÖNTÉS = VÁLASZTÁS A döntéshozatal feltételei:
Bizonytalanság A teljesen megbízható következtetést lehetővé tevő tudás hiánya Egy esemény bizonytalansága  objektív  szubjektív Módszerek  numerikus.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
A társadalomtudományi kutatás módszerei
2. Előadás Az anyagi pont dinamikája
Közbeszerzési, Pályázati és Beruházási ismeretek
(tömegpontok mozgása)
Kvantitatív módszerek
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
A fitoplankton monitorozása a Keszthelyi- medencében és dinamikájának modellezése Istvanovics Vera és Honti Márk Budapesti Mûszaki és Gazdaságtudományi.
Adsorption monomolecul ar adsorben t adsorption desorption p polymolecular condensation : adsorbed amount per unit weight of adsorbent (specific adsorption)
Termelésmenedzsment Production Management
Bevezető információk Terv volt egy könyv, de … Így kissé rövidített változatban az interneten: geo.u-szeged.hu/~rjanos/ Jegy: írásban – rövid kifejtős.
A SZÉLENERGIA KUTATÁSA DEBRECENBEN Tar Károly A MAGYAR TUDOMÁNY ÜNNEPE KIEMELT HETE DEBRECENBEN NOVEMBER 2-6.
Kvantitatív módszerek
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
KÖRNYEZETI RENDSZEREK MODELLEZÉSE
Statisztikai döntésfüggvények elméletének elemei
Tavak, tározók rehabilitációja
EUTROFIZÁCIÓ MODELLEZÉSE: DINAMIKUS MODELLEK
EUTROFIZÁCIÓ MODELLEZÉSE: DINAMIKUS MODELLEK
Általános tudnivalók I. Vízi Közmű és Környezetmérnöki Tanszék BME VKKTBME VKKT U épületU épületTárgyfelelős dr. Koncsos László (BME VKKT) Előadó Kozma.
Érzékenységvizsgálat
ÉGHAJLATVÁLTOZÁS – VÍZ – VÍZGAZDÁLKODÁS (második rész)
-Érzékenység a paraméterek hibáira, -érzékenység a bemenő adatok hibáira Nézzünk egy egyszerű példát...
A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság.
Emberi tevékenység Levegő Víz Föld Élővilág Művi környezet Ember Ökoszisztéma Települési környezet Táj.
Érzékenységvizsgálat a determinisztikus modell
Tavak vízminőségi problémái EUTROFIZÁLÓDÁS
FELSZÍNI VÍZ MONITORING.
Kis-Balaton története
TELEPÜLÉSI VÍZGAZDÁLKODÁS ÉS VÍZMINŐSÉGVÉDELEM (BMEEOVK AKM2)
Hatótényező. LEGNAGYOBB VÍZSZINTEK ALAKULÁSA Hatótényező.
7. Házi feladat megoldása
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
t A kétoldalú statisztikai próba alapfogalmai
Bali Mihály (földrajz-környezettan)
Hídtartókra ható szélerők meghatározása numerikus szimulációval Budapesti Műszaki és Gazdaságtudományi Egyetem Áramlástan Tanszék február.
VI.1. A Principia jelentősége: a szintetikus elmélet A forradalmiság tartalma A forradalmiság tartalma a szintézis a szintézis a halmozódó tudás szükségszerűen.
Ágazati GDP előrejelző modell Foglalkoztatási és makro előrejelzés Vincze János Szirák, november 10.
Gazdálkodási modul Gazdaságtudományi ismeretek II. Vezetés és kommunikációs ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Kenyér kihűlése Farkas János
Kutatói pályára felkészítő akadémiai ismeretek modul Környezetgazdálkodás Modellezés, mint módszer bemutatása KÖRNYEZETGAZDÁLKODÁSI AGRÁRMÉRNÖK MSC.
A vállalatok piacorientációjának hatása a külső és belső környezet, valamint az eredményesség szubjektív megítélésére Készítette: Bareith Tibor III. évfolyam,
 KUTATÁS ÉS MEGÉRTÉS  ELÕREJELZÉS  ÜZEMIRÁNYÍTÁS  TERVEZÉS  STRATÉGIA ÉS SZABÁLYOZÁS  DÖNTÉSELÕKÉSZÍTÉS CÉLOK.
A munkanélküliség problémája Szabadkán - frissen végzettek álláskeresési problémái - Szekció: Társadalmi problémák a városokban Előadó: Kovács Krisztina.
A Kis-Balaton Védőrendszer Mérnökökológia. Kis-Balaton története A Balaton vízszintje sokkal magasabb volt a mainál, a Kis- Balaton mai területe a Balaton.
 KUTATÁS ÉS MEGÉRTÉS  ELÕREJELZÉS  ÜZEMIRÁNYÍTÁS  TERVEZÉS  STRATÉGIA ÉS SZABÁLYOZÁS  DÖNTÉSELÕKÉSZÍTÉS CÉLOK.
Az árkos erózió vizsgálata a Tetves-patak vízgyűjtőjén Jakab Gergely – Kertész Ádám- Papp Sándor Földrajzi Értesítő LIV. Évf füzet, pp
A VÍZGYŰJTŐ-GAZDÁLKODÁSI TERV FELÜLVIZSGÁLATA
Az Internet-felhasználás területi egyenlőtlenségeinek előrejelzése Magyarországon VIII. Fiatal Regionalisták konferenciája Győr, Készítette: Zsom.
A VÍZGYŰJTŐ - GAZDÁLKODÁSI TERV FELÜLVIZSGÁLATA szakmai FÓRUM
VEZETŐI DÖNTÉSEK „Navigare necesse est” dönteni mindenkinek kell.
6 szigma.
Magyarország vízrajza
Az évi Szegedi Nagyárvíz. Előzmények: - Demográfia ( ) - Tisza szabályozás ( ) Év Lakosságszám.
Előadás másolata:

KÖRNYEZETI RENDSZEREK MODELLEZÉSE Dr. Koncsos László egy. docens Bizonytalanságok

? Módszertan: dekompozíció és aggregáció 2000 1980 MEGOLDÁS PROBLÉMA & RENDSZER MEGOLDÁS MEGOLDÁS ? MEGOLDÁS DEKOMPOZÍCIÓ AGGREGÁCIÓ DEKOMPOZÍCIÓ AGGREGÁLT MODELL DEKOMPONÁLT RENDSZER

PAKS Morfológiai modell 2D Hidrodinamikai modell 2D Transzport modell z(x,y) 2D Hidrodinamikai modell kst v(x,y) 2D Transzport modell Dy T(x,y)

Modell-alkotás "történelme"

Determinisztikus predikciós módszer Két extrém megközelítés Próba szerencse módszere alias: Empírikus iterációs módszer Tervezési módszer Determinisztikus predikciós módszer

Próba szerencse módszere Anélkül, hogy tudnánk “miért”, lassan megtanuljuk “hogyan“… Példa: Római építmények

Rómaiak...

Próba szerencse módszere Anélkül, hogy tudnánk “miért”, lassan megtanuljuk “hogyan“… Meglepő hatékonyság DE: hosszú idő kockázatos Példa: Gótikus építmények

Notre-Dame, Párizs

Próba szerencse módszere Technológiai fejlődések (Kína) Példák: Porcelán Függő hidak Szivattyúk …, az európai tudomány megjelenése előtt

A fizika fejlődése görögök (Szokratesz, Platon, Arisztotelesz, Archimedes) Arab tudósok - Matematika Kopernikusz (1475-1543) - bolygómozgás Galilei (1564-1642) Newton (1642-1727) Einstein (1879-1955)

Determinizmus e = f(i1,i2,…in; p1, p2,….pn) e hatás f okozati összefüggés i input változók p paraméterek

Bizonytalanság

Bizonytalanság Típusai inputok hibái kezdeti, peremi feltételek paraméterek modell-bizonytalanság

Bizonytalanság e hatás f okozati összefüggés i input változó e = f(i1,i2,…im; p1, p2,….pn) +  e hatás f okozati összefüggés i input változó p paraméterek  bizonytalanság

A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya

Determinisztikus bizonytalanság e = f(i1,i2,…im; p1, p2,….pn) ∙ ∙ fu(iu,1,... Iu,k, pu,1,…pu,l) +  e hatás f okozati összefüggés i input p parametérek fu ismeretlen okozati összefüggés  egyéb bizonytalanság

Determinisztikus bizonytalanságok e = f(i1,i2,…im; p1, p2,….pn,) ∙ …

Tacoma híd 1940 …∙ fu(iu,1,... Iu,k, pu,1,…pu,l) + 

Egy másik példa A Balaton fitoplankton-dinamikájának előrejelzése az időjárási tényezők és a tápanyagterhelés figyelembe vételével.

Algafajok biomasszájának átlaga, szórása, egyedszám

Algafajok biomasszájának relatív megoszlása a hőmérséklet függvényében

Tavi foszfor-körforgalmi modell Ap(1) Ap(3) Ap(2) PIP DRP DP ülepedés felkeveredés szorpció/ deszorpció mineralizáció ÜLEDÉK VIZ ülepedés diffúzió alga pusztulás alga P felvétel AP(n)

Verifikáció az alga-modellre 1994

A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya

Statisztikai bizonytalanságok … … és az előrejelzés problémájának kapcsolata

Példa a statisztikai bizonytalanságra Árvízi előrejelzés a Felső-Tiszán Tiszabecs (felvízi perem) Záhony Tokaj Vásárosnamény

1 napos árvízi előrejelzés 6 napos árvízi előrejelzés

Hibaidősor autokorreláció struktúrája e = f(i1,i2,…im; p1, p2,….pn) + 

DETEKTÁLHATÓK A TRENDEK? (Vásárosnamény)

A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya

Scenario bizonytalanság Élettartam 1oo év …?? …És ez idő alatt mi változik?

Scenario bizonytalanság A Tisza szabályozása

A LEGNAGYOBB VÍZSZINTEK ALAKULÁSA

DETEKTÁLHATÓK A TRENDEK? (Vásárosnamény)

A Tisza szabályozása Scenario bizonytalanság forrásai Feliszapolódás Hullámtér állapotának változása A területhasználat változása a vízgyűjtőn Klímaváltozás

A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya Második példa

Scenario bizonytalanság Kis-Balaton Foszfor-eltávolítás leírása

Balaton - 596 km2 3 4 1 2 Vízgyűjtő - 5776 km2

Alsó Tározó A  50 km2 Felső Tározó A = 18 km2

DPTervezett = f (Pbe, Qbe, vs) A Felső Tározó P-visszatartása DPTervezett = f (Pbe, Qbe, vs) (Vollenweider) ?

A befolyó és kifolyó összes P terhelés kapcsolata ~30 t/év 87 95 88 96 94 86 92 91 89 93 90

Terhelések a Zala vízgyűjtőjén

Szabályozás, előrejelzés és változó célok: Kis-Balaton I. és II. Scenario bizonytalanság Második példa folytatása

VÖRS INGÓI BEREK SÁVOLY

KRITÉRIUMOK: VÍZMINŐSÉGVÉDELEM TERMÉSZETVÉDELEM KÖLTSÉGEK

VÁLTOZATOK INGÓI-BEREK, SÁVOLY ÉS VÖRS FUNKCIÓITÓL, VÍZSZINTTŐL, FELTÖLTÉS ÜTEMEZÉSÉTŐL, SZEZONÁLIS ÜZEMELTETÉSTŐL ÉS SZÁMOS EGYÉB TÉNYEZŐTŐL FÜGGŐEN ÖSZESEN 21 ALTERNATÍVA

Foszforforgalmi modell Szaporodás Pusztulás Mineralizáció Ülepedés Ülep. Adsz/deszorp. Külső terhelés ORP DP PP AP VÍZ H ÜLEDÉK (aktív réteg) h PP ORP

ADSZORPCIÓS IZOTERMA

DINAMIKUS MODELL: KALIBRÁLÁS

DINAMIKUS MODELL: IGAZOLÁS

SCENÁRIÓK: ÖP VISSZATARTÁS %  FELSŐ TÁROZÓ Év % ALSÓ TÁROZÓ Év

ADSZORPCIÓS IZOTERMÁK II.

KALIBRÁLÁS ÉS IGAZOLÁS II. TP[g/m3]

ADSZORPCIÓS IZOTERMÁK III. ALSÓ T. IV III II I BALATON FELSŐ T.

SCENÁRIÓK: ÖP VISSZATARTÁS %  FELSŐ TÁROZÓ Év ALSÓ TÁROZÓ Év

A KOMPROMISSZUM

TANULSÁG TUDOMÁNY? VÁLTOZÓ KRITÉRIUMOK KONSZENZUS KERESÉS DÖNTÉSHOZÁS

A “nem” tudás kategóriái Determinizmus Statisztikai bizonytalanság Scenario bizonytalanság Tudás hiánya

Ismeretek és “nem” tudás határa Kutatás fejlesztés ismeretek “nem” tudás

Ismeretek és “nem” tudás határa Kutatás fejlesztés ismeretek “nem” tudás

Azbeszt problémája