A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság.

Az előadások a következő témára: "A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság."— Előadás másolata:

1

2

3 A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság Tudás hiányaTudás hiánya

4 e = f(i 1,i 2,…i n ; p 1, p 2,….p n, )*

5 Tacoma híd 1940 f n (i a1,... i an, p a1,…p an ) + 

6 Egy másik példa Balatoni fitoplankton előrejelzése az időjárási tényezők és a tápanyagterhelés figyelembe vételével

7

8

9 ülepedés felkeveredés szorpció/ deszorpció mineralizáció ÜLEDÉK VIZ ülepedés diffúzió mineralizáció alga pusztulás alga P felvétel szorpció/ deszorpció

10 1994

11 A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság Tudás hiányaTudás hiánya

12 Az előrejelzés problémája előrejelzés

13 Árvízi előrejelzés a Felső-Tiszán Tiszabecs (felvízi perem) Tokaj Záhony Vásárosnamény

14

15 Hibaidősor autokorreláció struktúrája

16 DETEKTÁLHATÓK A TRENDEK? (Vásárosnamény)

17 A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság Tudás hiányaTudás hiánya

18 Élettartam 1oo év …??

19 A LEGNAGYOBB VÍZSZINTEK ALAKULÁSA Példa: Tisza szabályozása

20 DETEKTÁLHATÓK A TRENDEK? (Vásárosnamény)

21

22

23 A “nem” tudás kategóriái DeterminizmusDeterminizmus Statisztikai bizonytalanságStatisztikai bizonytalanság Scenario bizonytalanságScenario bizonytalanság Tudás hiányaTudás hiánya Egy másik példa

24 EGYSZERŰ PÉLDA: KIS-BALATON LEÍRÓ FÁZIS

25 5776 km2 596 km2

26

27 Felsô Tározó A = 18 km 2 Alsó Tározó A  50 km 2 Felsô Tározó A = 18 km 2

28 A FELSŐ TÁROZÓ P VISSZATARTÁSA D P Tervezett = f (P be, Q be, v s ) /Vollenweider/ ?

29 87 86 88 89 90 91 96 95 94 92 93 ~30 t/év A BEFOLYÓ ÉS KIFOLYÓ ÖSSZES P TERHELÉS KAPCSOLATA

30 SZABÁLYOZÁS, ELŐREJELZÉS ÉS VÁLTOZÓ CÉLOK: KIS-BALATON I. ÉS II.

31 INGÓI BEREK SÁVOLY VÖRS

32 KRITÉRIUMOK:  VÍZMINŐSÉGVÉDELEM  TERMÉSZETVÉDELEM  KÖLTSÉGEK

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

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

35 ADSZORPCIÓS IZOTERMA

36 DINAMIKUS MODELL: KALIBRÁLÁS

37 DINAMIKUS MODELL: IGAZOLÁS

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

39 ADSZORPCIÓS IZOTERMÁK II.

40 KALIBRÁLÁS ÉS IGAZOLÁS II. TP[g/m 3 ]

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

42 Év % FELSŐ TÁROZÓ ALSÓ TÁROZÓ SCENÁRIÓK: ÖP VISSZATARTÁS

43 A KOMPROMISSZUM

44  TUDJUK MIT ÉS MIÉRT MÉRÜNK?  KIVÁLÓ KALIBRÁLÁS, DE A PREDIKCIÓ?  GYORS ÉS LASSÚ FOLYAMATOK  HATÁRFELÜLETI JELENSÉGEK  GONDOLATI MODELLALKOTÁS vs “AUTOMATIZÁLT” MÓDSZEREK TANULSÁG (1)

45 TANULSÁG (2)  TUDOMÁNY?  VÁLTOZÓ KRITÉRIUMOK  KONSZENZUS KERESÉS  DÖNTÉSHOZÁS