Zyklostratigraphie des Unteren Buntsandsteins in der Hessischen Senke anhand einer numerischen Analyse von Gamma-Ray-Logs
|
|
- Lena Walter
- vor 5 Jahren
- Abrufe
Transkript
1 Zyklostratigraphie des Unteren Buntsandsteins in der Hessischen Senke anhand einer numerischen Analyse von Gamma-Ray-Logs Vorstellung der Master-Thesis von Konrad Stühler 1
2 Thematik & Motivation 2
3 Thematik & Motivation 3
4 Thematik & Motivation Kann eine numerische Analyse von Gamma- Ray-Logs (GRL) mehr Hinweise zur Gliederung liefern? 4
5 Datengrundlage 17 Gamma-Ray-Logs (GRL) 2 Bohrkernaufnahmen: 1. Bohrung Gelnhaar: nach Lithologie Bohrkernaufnahme: m [sm su] 2. Bohrung Burgjoß: nach Lithofaziestypen Bohrkernaufnahme: m [sm su] Abb.: Isopachenkarte des Unteren Buntsandsteins für Hessen; verändert nach (REISCHMANN 2013) 5
6 Methodik: Bohrkern vs. GRL Bohrkernaufnahme: Bohrung Gelnhaar GRL: Bohrung Gelnhaar Excel Excel vergleichbare Datensätze für jeden cm einen Wert für Gesteinsart & Gammastrahlung 6
7 Methodik: Bohrkern vs. GRL 7
8 Methodik: Bohrkern vs. GRL 8
9 Methodik: Bohrkern vs. GRL 9
10 Methodik: Bohrkern vs. GRL 10
11 Methodik: Bohrkern vs. GRL 11
12 Methodik: Bohrkern vs. GRL 12
13 Methodik: Bohrkern vs. GRL 13
14 Methodik: Bohrkern vs. GRL Ergebnisse des Vergleichs: jeder markante Peak = Tonsteinlagen oder -klasten (trifft bei ca. 80% zu) die restlichen 20% Prüfung mit dem spektralen GR-Gerät Können Muster erkannt werden in Bezug auf Lithologie oder Lithofaziestypen? Wie unterscheiden sich diese Peaks optisch? 14
15 Methodik: Das Programm : Wie können Peaks sondiert und mathematisch beschrieben werden? I. Ermittlung von Strahlungsfenster 15
16 Methodik: Das Programm : I. Ermittlung von Strahlungsfenster 16
17 Methodik: Das Programm : I. Ermittlung von Strahlungsfenster II. Sammeln der mathematischen Eigenschaften pro Strahlungsfenster 17
18 Methodik: Das Programm : I. Ermittlung von Strahlungsfenster II. Sammeln der mathematischen Eigenschaften pro Strahlungsfenster III. Vergleich: Strahlungsfenster (GRL) vs. Lithologie (Bohrkern) 18
19 : Gliederung - Ermittlung aller Extremwerte II. 1. Filterung - Filtern der wichtigen Extremwerte III. Die Minima Die Minima als Grundlage für die Grenzen der Strahlungsfenster IV. 2. Filterung Filtern der relevanten Minima - Berechnung der Strahlungsgrenzen VI. Die Fenster - Bildung der Strahlungsfenster im Original-GRL Sammeln der mathematischen Eigenschaften 19
20 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften 20
21 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften 21
22 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften 22
23 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften Ermittlung der Extremwerte am GRL anhand der Wertenachbarn i-1 < (untersuchter Wert) i > i+1 = Maximum i-1 > i < i+1 = Minimum 23
24 Glättung des GRL (neuer Datensatz) anhand eines gleitenden Mittelwerts yy = (y(1) + y(2) y(60)) / 60 Ermittlung der Extremwerte des geglätteten Datensatzes 24
25 Selektieren der Extremwerte (Original-GRL), die den kleinsten Abstand zu den Extremwerten des geglätteten GRL haben Extrahieren der Extremwerte 25
26 neuer Datensatz aus den selektierten Extremwerten 26
27 neuer Datensatz aus den selektierten Extremwerten 27
28 Interpolation zwischen den Extremwerten 28
29 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften Glättung des GRL inkl. Beibehaltung der exakten Extremwerte Neutralisierung der kleinen Ausschläge bzw. des Hintergrundrauschens 29
30 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften weitere Analyse der Daten anhand des neuen Datensatzes 30
31 Ermittlung aller im Datensatz enthaltenen Minima 31
32 Fehlervermeidung im Programmcode: Neutralisierung aller Minima, die oberhalb eines stark geglätteten GRLs liegen 32
33 transformierter Datensatz, an dem die Grenzen der Strahlungsfenster extrahiert werden 33
34 Aufbau: Datentransformation a) Extremwerte b) I. 1. Die Filterung Extremwerte c) II. Minima 1. Filterung d) 2. Filterung Strahlungsfenster a) V. Die Die Grenzen Grenzen b) VI. Die Fenster c) Die Eigenschaften transformierter Datensatz, an dem die Grenzen der Strahlungsfenster extrahiert werden 34
35 35
36 Startpunkt des Programms am ersten Minimum 36
37 Analyse der nachfolgenden Minima ab Minimum b 37
38 Errechnung der Vektoren zu Minimum b und den benachbarten Minima (a & c) 38
39 Errechnung der Vektoren zu Minimum b und den benachbarten Minima (a & c) 39
40 Errechnung der Vektoren zu Minimum b und den benachbarten Minima (a & c) 40
41 Errechnung des Winkels zwischen dem Startvektor und Vektor b 41
42 Errechnung des Winkels zwischen dem Startvektor und Vektor c 42
43 Vergleich der Winkel Prüfung der Bedingung 43
44 Wenn die Bedingung erfüllt ist, ist der untersuchte Punkt keine Strahlungsfenstergrenze. 44
45 Die Schleife läuft weiter ohne Berücksichtigung des zuvor untersuchten Minimums b. 45
46 Vergleich der Winkel Prüfung der Bedingung 46
47 Vergleich der Winkel Prüfung der Bedingung 47
48 Vergleich der Winkel Prüfung der Bedingung 48
49 Die Schleife wird gestoppt und markiert das Minimum als Strahlungsfenstergrenze. 49
50 Die Schleife beginnt ab der zuletzt gefundenen Strahlungsfenstergrenze von neuem. 50
51 Strahlungsfenstergrenzen 51
52 Strahlungsfenstergrenzen 4 und 12 sind nicht notwendig. 52
53 Zweiter umgedrehter Durchlauf markiert die Minima 4 und 12 nicht. alle doppelten Minima = Strahlungsfenstergrenzen 53
54 Adaption der Strahlungsfenstergrenzen in das Original-GRL 54
55 Ermittlung der Strahlungsfenster zwischen zwei Grenzen 55
56 Ermittlung der mathematischen Eigenschaften pro Strahlungsfenster Bsp.: Strahlungsfenster zwischen 6 und 7 56
57 Eigenschaften: 1. Höhe / Breite 57
58 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 58
59 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 3. Extremwerte 59
60 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 3. Extremwerte 4. Flächeninhalt 60
61 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 3. Extremwerte 4. Flächeninhalt 5. Höhenmeter 61
62 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 3. Extremwerte 4. Flächeninhalt 5. Höhenmeter 6. Steigung 62
63 Eigenschaften: 1. Höhe / Breite 2. Vektoren Betrag (Länge) 3. Extremwerte 4. Flächeninhalt 5. Höhenmeter 6. Steigung 7. Regressionsgerade Steigung Höhe Länge 63
64 Ergebnisse neuer Datensatz mit verschiedenen mathematischen Eigenschaften sowohl mit als auch ohne Strahlungsfenster neue Möglichkeiten zur Auswertung der GRLs (makroskopisch und mathematisch) neue Form der Visualisierung von GRLs 64
65 Ergebnisse: neue Darstellung Bsp.: Plot der Regressionsgeraden 65
66 Ausblick Plot der verschiedenen mathematischen Eigenschaften der Strahlungsfenster (SF) Einteilung der SF in verschiedene Kategorien und Vergleich mit den Bohrkernaufnahmen z.b.: große Vektorbeträge, viele Extremwerte = Wechsellagerung? wenig Extremwerte, großer Flächeninhalt = Tonsteinlage? statistische Analyse Errechnung einer Wahrscheinlichkeit? Implementierung in den Algorithmus und Vergleich mit weiteren GRLs 66
Biomechanische Wirbelsäulenforschung
Automatische Datenauswertung Johann Jakob Preuß Michael Steffes Westfälische Wilhelms-Universität Münster Abschlusspräsentation, 08.07.2008 Gliederung 1 Aktueller Forschungsstand Benötigte Daten Gliederung
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrSteffen Heinrich und Stephan Brumme
Steffen Heinrich und Stephan Brumme 26. September 2003 Lehrstuhl für Computergrafische Systeme 26. September 2003 Steffen Heinrich und Stephan Brumme: VisaRD - 1 - Agenda Überblick Aufbau Visualisierungsstrategien
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 3. Vorlesung Dr. Jochen Köhler 1 Inhalte der heutigen Vorlesung Ziel: Daten Modellbildung Probabilistisches Modell Wahrscheinlichkeit von Ereignissen Im ersten
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrMathematik II: Übungsblatt 03 : Lösungen
N.Mahnke Mathematik II: Übungsblatt 03 : Lösungen Verständnisfragen 1. Was bestimmt die erste Ableitung einer Funktion f : D R R im Punkt x 0 D? Die erste Ableitung einer Funktion bestimmt deren Steigung
MehrAbgleich Schnittpunkt Mathematik Niedersachsen mit dem neuen Kerncurriculum Realschule, Klasse 5/6
Abgleich Schnittpunkt Mathematik Niedersachsen mit dem neuen Kerncurriculum Realschule, Klasse 5/6 Kernkompetenzen Ende Schuljahr 6 Schnittpunkt/Kapitel/Lerneinheit verfügen über inhaltliche Vorstellungen
MehrEntwicklung und Implementierung von Methoden zur Aufbereitung konsistenter digitaler Bathymetrien (KoDiBa)
Entwicklung und Implementierung von Methoden zur Aufbereitung konsistenter digitaler Bathymetrien (KoDiBa) P. Milbradt, F. Sellerhoff, N. Krönert Informationssysteme Projektmanagement Beratung Dienstleistung
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 26.02.2008 1 Warum Statistik und Wahrscheinlichkeits rechnung im Ingenieurwesen? Zusammenfassung der letzten Vorlesung Statistik und Wahrscheinlichkeitsrechnung
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
Mehr= x 2x = x (x 12) = 0 x 5 =0 (lokales Maximum) x 6,7 = ± 12 (lokale Minima)
Maturitätsprüfung 7 Mathematik Aufgabe Gegeben ist die Funktion f(x) = x x + a) Untersuchen Sie die Funktion bezüglich Symmetrien, bestimmen Sie die Nullstellen, zeigen Sie, dass es zwei Minimalstellen
Mehr8. Statistik Beispiel Noten. Informationsbestände analysieren Statistik
Informationsbestände analysieren Statistik 8. Statistik Nebst der Darstellung von Datenreihen bildet die Statistik eine weitere Domäne für die Auswertung von Datenbestände. Sie ist ein Fachgebiet der Mathematik
Mehr1 Grundlagen der Wahrscheinlichkeitsrechnung Wahrscheinlichkeitsräume. Ein erster mathematischer Blick auf Zufallsexperimente...
Inhaltsverzeichnis 1 Grundlagen der Wahrscheinlichkeitsrechnung 1 1.1 Wahrscheinlichkeitsräume Ein erster mathematischer Blick auf Zufallsexperimente.......... 1 1.1.1 Wahrscheinlichkeit, Ergebnisraum,
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
MehrModellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen
Modellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen Jochen Schiewe 1 Manfred Ehlers 2 Christoph Kinkeldey 1 Daniel Tomowski 2 1HafenCity Universität g2lab
MehrOnline-Monitoring der Prozessgüte komplexer Batchprozesse mittels informationstheoretischer Maße und Support Vector Machines
Online-Monitoring der Prozessgüte komplexer Batchprozesse mittels informationstheoretischer Maße und Support Vector Machines Christian Kühnert, Thomas Bernard Fraunhofer-Institut für Optronik, Systemtechnik
MehrAnalyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 202 Regressionsgerade und Korrelation Lernumgebung. Teil Hans Walser: Modul 202, Regressionsgerade und Korrelation. Lernumgebung. ii Inhalt Messwertpaare...
MehrAlgorithmische Geometrie: Arrangements und
Algorithmische Geometrie: Arrangements und Dualität Nico Düvelmeyer WS 2009/2010, 19.1.2010 Überblick 1 Strahlenverfolgung und Diskrepanz 2 Dualität Dualitäts-Abbildung Transformation des Problems zur
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrErgebnisse der schriftlichen Zwischenprüfung Frühjahr 2018 Gärtner/Gärtnerin - Fachrichtung Garten- und Landschaftsbau Zuständige Stelle: Gartenbauzen
2000000885 2 2 4 5 6 5 4 4 2000003796 3 3 2 4 4 2 2 3 2000008262 2 2 2 6 5 5 3 2 2000010756 3 3 2 5 5 4 5 3 2000030386 2 3 1 5 5 3 4 4 2000040144 4 4 4 4 6 4 4 3 2000047293 1 4 3 2 6 5 5 4 2000062196 1
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
MehrOptimierung der Lichtverteilung mit den Glasfasern des PANDAKalorimeter-Lichtpulsersystems
Optimierung der Lichtverteilung mit den Glasfasern des PANDAKalorimeter-Lichtpulsersystems Sebastian Coen 21.07.2017 Gliederung Einleitung Motivation Physikalische Grundlagen Aufbau Versuchsdurchführung
MehrBerechnung approximierter Voronoi-Zellen auf geometrischen Datenströmen
Definition Berechnung approximierter Voronoi-Zellen auf geometrischen Datenströmen Seminar über Algorithmen WS 2005/2006 Vorgetragen von Oliver Rieger und Patrick-Thomas Chmielewski basierend auf der Arbeit
MehrPrüfungsteil B, Aufgabengruppe 2: Geometrie
Bundesabitur Mathematik: Bayern 01 Aufgabe 1 a) 1. SCHRITT: VEKTOR CH BESTIMMEN CH = ( 8 108 ) ( 10) = ( 0 ). 3. SCHRITT: LÄNGE DES VEKTORS BERECHNEN CH = ( ) + 3 =. 3. SCHRITT: BERECHNUNG DES FLÄCHENINHALTS
MehrI. II. I. II. III. IV. I. II. III. I. II. III. IV. I. II. III. IV. V. I. II. III. IV. V. VI. I. II. I. II. III. I. II. I. II. I. II. I. II. III. I. II. III. IV. V. VI. VII. VIII.
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrRegression IV: Anpassung mit nichtlinearen Funktionen. Teil B: Nicht linearisierbare Modelle. -Fortsetzung-
Regression IV: Anpassung mit nichtlinearen Funktionen Teil B: Nicht linearisierbare Modelle -Fortsetzung- T. Kießling: Auswertung von Messungen und Fehlerrechnung - Linienformanpassung 13.06.2018 Vorlesung
Mehr3. Übung zum G8-Vorkurs Mathematik (WiSe 2011/12)
Technische Universität München Zentrum Mathematik PD Dr. Christian Karpfinger http://www.ma.tum.de/mathematik/g8vorkurs 3. Übung zum G8-Vorkurs Mathematik (WiSe 0/) Aufgabe 3.: Gehen Sie die Inhalte der
MehrProzedurales Programmieren und Problemlösungsstrategien
Prozedurales Programmieren und Problemlösungsstrategien Bachelorstudiengänge Umwelttechnik und Maschinenbau Prof. Dr. Thomas Hoch Problemlösungsstrategien Prozedurales Programmieren und Problemlösungsstrategien
MehrPrüfen von Zeitreihen mit individuellen Korrekturparametern K-Prüfung
Prüfen von Zeitreihen mit individuellen Korrekturparametern K-Prüfung aqua_plan Ingenieurgesellschaft für Problemlösungen in Hydrologie und Umweltschutz mbh Amyastr. 126, 52066 Aachen Tel.: 0241 40070-0,
MehrEinstieg in SPSS. Man kann auch für jede Ausprägung einer Variablen ein Wertelabel vergeben.
Einstieg in SPSS In SPSS kann man für jede Variable ein Label vergeben, damit in einer Ausgabe nicht der Name der Variable (der kryptisch sein kann) erscheint, sondern ein beschreibendes Label. Der Punkt
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrMathematische Modellierung Lösungen zum 3. Übungsblatt
Mathematische Modellierung Lösungen zum Klaus G. Blümel Lars Hoegen 12. November 25 Aufgabe 1 (a) Die Schadstoffkonzentration zum Zeitpunkt t = beträgt s =, 8% = 8 =, 8. Es werden pro Monat 5% der jeweiligen
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrTrim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, :34 P.M. Page 11. Über die Übersetzerin 9. Einleitung 19
Trim Size: 176mm x 240mm Lipow ftoc.tex V1 - March 9, 2016 6:34 P.M. Page 11 Inhaltsverzeichnis Über die Übersetzerin 9 Einleitung 19 Was Sie hier finden werden 19 Wie dieses Arbeitsbuch aufgebaut ist
MehrExtremwertaufgaben.
Extremwertaufgaben www.schulmathe.npage.de Aufgaben 1. Von einem rechteckigen Stück Blech mit einer Länge von a = 16 cm und einer Breite von b = 10 cm werden an den Ecken kongruente Quadrate ausgeschnitten
MehrEinführung in das Visualization ToolKit. Institut für Simulation und Graphik, Otto-von-Guericke Universität Magdeburg
Einführung in das Visualization ToolKit VTK Einführung: Gliederung Was ist VTK? VTK-Konzept Vorstellung MeVisLab VTK Beispiel in MeVisLab 2/26 Was ist VTK? Freie Software-Bibliothek für 3D Graphik und
MehrBeschreibende Statistik Zweidimensionale (bivariate) Daten
Mathematik II für Biologen Beschreibende Statistik Zweidimensionale (bivariate) Daten 8. Mai 2009 Lineare Regression Transformationen Produktmomenten-Korrelation Rangkorrelation Warnung Stichprobe ( 1,y
MehrSplines. Splines. Vom Gebilde zur Geometrie. Katharina Birner. Institut für Angewandte Geometrie Splines
Vom Gebilde zur Geometrie 10.6.2016 Motivation Figure: Schrift Figure: Bézierkurve Motivation Wir wollen etwas in 2D zeichnen. Was benötigen wir? Geraden Kurven Motivation Wir wollen etwas in 2D zeichnen.
MehrAbdeckung der inhaltlichen Schwerpunkte im Fach Mathematik für die Abiturprüfung 2009 in Nordrhein- Westfalen
Abdeckung der inhaltlichen Schwerpunkte im Fach Mathematik für die Abiturprüfung 2009 in Nordrhein- durch die Schülerbücher Lambacher-Schweizer - Analysis Grundkurs Ausgabe Nordrhein- (ISBN 978-3-12-732220-0)
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 2: Fakultät für Elektro- und Informationstechnik, anfred Strohrmann Einführung Frequenzgang zeitkontinuierlicher Systeme beschreibt die Änderung eines Spektrums bei
MehrSegmentierung. Vorlesung FH-Hagenberg SEM
Segmentierung Vorlesung FH-Hagenberg SEM Segmentierung: Definition Die Pixel eines Bildes A={a i }, i=1:n, mit N der Anzahl der Pixel, werden in Teilmengen S i unterteilt. Die Teilmengen sind disjunkt
MehrObjekterkennung mit SIFT-Merkmalen
Hochschule für Angewandte Wissenschaften Hamburg 06. Januar 2010 Gliederung Problemstellung SIFT-Verfahren Merkmalsvergleich zur Identifikation von Gegenständen Zusammenfassung und Ausblick Problemstellung
MehrLinienladungen D Q A Q. U Pa P a E r dr E r dr. electric line charge. 2 rl Q
Linienladungen electric line charge Seite 6.1 von 6.13 Führer Heidemann Nerreter Grundgebiete der Elektrotechnik Band 1 0 8, 8542 10 12 Vs Am Ziel: Berechnung der Kapazität einer Doppelleitung Verschiebungsflußdichte
MehrAufgabensammlung. Johannes Hain. Lehrstuhl für Mathematik VIII Statistik 1/9
Aufgabensammlung Johannes Hain Lehrstuhl für Mathematik VIII Statistik 1/9 Datenimport und Datenexport Lies die folgenden Rohdatensätze in R ein und verwende hierzu entweder die Funktionen read.table()
MehrZeitreihen/Skalen. Homogenität, Inhomogenität, Datenlücken, Plausibilität. vorgetragen von Nico Beez
Zeitreihen/Skalen Homogenität, Inhomogenität, Datenlücken, Plausibilität vorgetragen von Nico Beez 28.04.2009 Gliederung 1 Charakterisierung von Zeitreihen 1.1 Was sind Zeitreihen? 1.2 Graphische Darstellung
MehrEinführung in die computergestützte Datenanalyse
Karlheinz Zwerenz Statistik Einführung in die computergestützte Datenanalyse 6., überarbeitete Auflage DE GRUYTER OLDENBOURG Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt XI XII XII TEIL
MehrCrashkurs: MATLAB (Teil II)
Crashkurs: MATLAB (Teil II) Übungsaufgaben Im Rahmen des Mentorings (SoSe 209) 0.04.209 Funktionen, Kontrollstrukturen, Abbildungen Hinweis. Schreiben Sie jede der folgen Aufgaben in eine eigene Skript-Datei
MehrBeurteilungen von Veränderungen in der Protein-Elektrophorese
1 Beurteilungen von Veränderungen in der Protein-Elektrophorese Darstellung - Kurvenbild (Pherogramm) - Quantitative Veränderungen Interpretation - Bewertung der Relevanz - Kommentierung Protein-Elektrophorese
MehrMathematik für Naturwissenschaftler
Mathematik für Naturwissenschaftler von Prof. Dr. Bartel Leendert van der Waerden Universität Zürich Wissenschaftsverlag Mannheim/Wien/Zürich INHALTSVERZEICHNIS 1. Teil: Analytische Geometrie und Vektorrechnung
MehrTeilgebiet Geometrie Aufgabengruppe I. Anlage 3
Anlage 3 Die Abiturprüfung 2013 Analyse von Schülerlösungen dokumentiert von Nora Bender im Rahmen ihrer Hausarbeit im Fach Mathematik an der Universität Würzburg Teilgebiet Geometrie Aufgabengruppe I
Mehr16. November 2011 Zentralitätsmaße. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87
16. November 2011 Zentralitätsmaße H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87 Darstellung in spektraler Form Zentralität genügt Ax = κ 1 x (Herleitung s. Tafel), daher ist x der Eigenvektor
MehrKapitel 5. Prognose. Zeitreihenanalyse wird aus drei Gründen betrieben: Beschreibung des Verlaufs von Zeitreihen.
Kapitel 5 Prognose Josef Leydold c 2006 Mathematische Methoden V Prognose 1 / 14 Lernziele Aufgabe der Prognose Problemtypen Ablauf einer Prognoseaufgabe Zeitreihe Josef Leydold c 2006 Mathematische Methoden
MehrAuswertung P2-10 Auflösungsvermögen
Auswertung P2-10 Auflösungsvermögen Michael Prim & Tobias Volkenandt 22 Mai 2006 Aufgabe 11 Bestimmung des Auflösungsvermögens des Auges In diesem Versuch sollten wir experimentell das Auflösungsvermögen
Mehr4.1. Campylobacter-Keimzahlen auf Hähnchenschenkeln innerhalb einer Handels- Packung
4. Ergebnisse 4.1. Campylobacter-Keimzahlen auf Hähnchenschenkeln innerhalb einer Handels- Packung Die Untersuchung der Verteilung der Campylobacter-Keimzahlen innerhalb einer Handels- Packung zeigte,
MehrStatistik. Datenanalyse mit EXCEL und SPSS. R.01denbourg Verlag München Wien. Von Prof. Dr. Karlheinz Zwerenz. 3., überarbeitete Auflage
Statistik Datenanalyse mit EXCEL und SPSS Von Prof. Dr. Karlheinz Zwerenz 3., überarbeitete Auflage R.01denbourg Verlag München Wien Inhalt Vorwort Hinweise zu EXCEL und SPSS Hinweise zum Master-Projekt
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrStatistik zwischen. Jens Möhring. Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung
Statistik zwischen Euphorie und Panik Jens Möhring Dipl.-Ing. Elektrotechnik Privatanleger Schwerpunkte: Indikatoren, Mathematische Marktmodellierung VTAD Award VTAD Frühjahrskonferenz März 29 in Frankfurt
Mehr= und t ( 2) = f (2) = ergibt sich die Tangentengleichung
Lösungen Nr. a b c d e f '( = x x f ''( = x 8 6 8 f '( = 0... x = 0 x = 4 Damit ergeben sich wegen ''(0) = < 0 8 f ''(4) = > 0 ein Tiefpunkt T ( 4 0). 8 f ''( = x = 0 x = 6 8 Wegen f '''( = ist f '''()
MehrBerechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse
Berechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse DANIEL VARGA REFERAT 43 - HYDROLOGIE, HOCHWASSERVORHERSAGE Operationeller Betrieb an der HVZ BW Vorhersagen
Mehr4.3 Splitstrategien für R-Bäume (I)
4.3 Splitstrategien für R-Bäume (I) Der Knoten K läuft mit K = M+1 über: Aufteilung auf zwei Knoten K 1 und K 2, sodaß K 1 m und K 2 m Erschöpfender Algorithmus Suche unter den O(2 M ) Möglichkeiten die
MehrStatistik. Einführung in die com putergestützte Daten an alyse. Oldenbourg Verlag München B , überarbeitete Auflage
Statistik Einführung in die com putergestützte Daten an alyse von Prof. Dr. Karlheinz Zwerenz 4., überarbeitete Auflage B 366740 Oldenbourg Verlag München Inhalt Vorwort XI Hinweise zu EXCEL und SPSS XII
MehrK A N T O N S S C H U L E I M L E E MATHEMATIK. Grafiktaschenrechner ohne CAS, beliebige Formelsammlung
K A N T O N S S C H U L E I M L E E W I N T E R T H U R MATURITÄTSPRÜFUNGEN 017 Klasse: g Profil: MN / M Lehrperson: Rolf Kleiner MATHEMATIK Zeit: 3 Stunden Erlaubte Hilfsmittel: Grafiktaschenrechner ohne
MehrIndoor Location Tracking and Information System
Master Thesis Indoor Location Tracking and Information System Thomas Blocher tblocher@ee.oulu.fi TU Graz Österreich IMST GmbH Deutschland Indoor Location Tracking and Information System p. 1/14 Gliederung
Mehr1 Fraktale Eigenschaften der Koch-Kurve
Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................
MehrInhaltsverzeichnis Grundlagen Analysis von Funktionen einer Veränderlichen Reihen 191
Inhaltsverzeichnis 1 Grundlagen 1 1.1 Logische Grundlagen........................... 2 1.2 Grundlagen der Mengenlehre...................... 8 1.3 Abbildungen................................ 15 1.4 Die
MehrKlausur Mathematik I
Klausur Mathematik I E-Techniker/Mechatroniker/Informatiker/W-Ingenieure). März 007 Hans-Georg Rück) Aufgabe 6 Punkte): a) Berechnen Sie alle komplexen Zahlen z mit der Eigenschaft z z = und z ) z ) =.
MehrStörgeräuschreduktion bei stimmhaften Sprachsignalen
Störgeräuschreduktion bei stimmhaften Sprachsignalen Einkanaliges Mikrofon Nutzsignal Störgeräusche Allgemein: einkanalige Störgeräuschreduktion Folie 1 Gliederung Störgeräuschreduktion: Arten und Einsatzgebiete
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 1 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 2010 Prof. Dr. Klaus Höllig (IMNG)
Mehr4 Diskussion 4.1 Korrelation der GW-Ganglinien
4 Diskussion 4.1 Korrelation der GW-Ganglinien Die GW-Messstationen wurden nach folgenden Kriterien ausgewählt: Erstens unterliegen sie keiner Beeinflussung durch Grundwasserentnahmen. Zweitens sind die
MehrDas Baseler Problem =?
Das Baseler Problem + + 3 + 4 + 5 + 6 + 7 +... =? Das Baseler Problem Geschichte 644 durch den italienischen Mathematiker Pietro Mengoli formuliert Es versuchten sich diverse Mathematiker an dem Problem,
MehrEinsatz von CAS im Mathematikunterricht Klasse 8
Einsatz von CAS im Mathematikunterricht Klasse 8 Beispiele für den Einsatz des Voyage 200 im Lernbereich 3 Funktionen und lineare Gleichungssysteme Darstellungsformen von Funktionen Eigenschaften ganz-
MehrAkustik 1. Praktikumsbericht. Christoph Zimmermann. Inhaltsverzeichnis
Akustik 1 Praktikumsbericht Christoph Zimmermann Inhaltsverzeichnis 1.Praktikum: Zuglärm...2 Aufgabenstellung...2 Vorgehen...2 Resultate...3 2.Praktikum: Absorptionsmessung mit dem kundtschen Rohr...4
MehrSchulcurriculum Mathematik Kursstufe November 2011
Schulcurriculum Mathematik Kursstufe November 2011 Inhalte Leitidee / Kompetenzen Bemerkungen Die Schülerinnen und Schüler können Analysis Bestimmung von Extrem- und Wendepunkten: Höhere Ableitungen Bedeutung
MehrAufgabe S 1 (4 Punkte)
Aufgabe S 1 (4 Punkte) In einem regelmäßigen Achteck wird das Dreieck ABC betrachtet, wobei C der Mittelpunkt der Seite ist, die der Seite AB gegenüberliegt Welchen Anteil am Flächeninhalt des Achtecks
MehrNICHTRESTRINGIERTE OPTIMIERUNG
3 NICHTRESTRINGIERTE OPTIMIERUNG Die Aufgabe, mit der wir uns im Folgen beschäftigen werden, ist die Lösung von Minimierungsproblemen der Form minimiere f(x) in R n, (3.1) wobei f : R n R eine gegebene
MehrBeleg Getriebelehre II
Beleg Getriebelehre II Name, Vorname: Thön, Fabian Matrikelnummer: 631387 Studiengang: Maschinenbau (Master) Semester: Wintersemester 2009/2010 Einrichtung: Fachhochschule Jena Lehrbeauftragter: Herr Prof.
MehrI. Zahlen, Rechenregeln & Kombinatorik
XIV. Wiederholung Seite 1 I. Zahlen, Rechenregeln & Kombinatorik 1 Zahlentypen 2 Rechenregeln Brüche, Wurzeln & Potenzen, Logarithmen 3 Prozentrechnung 4 Kombinatorik Möglichkeiten, k Elemente anzuordnen
MehrInhaltsverzeichnis. Teil I Lineare Programmierung
Inhaltsverzeichnis 1 Einleitung................................................ 1 1.1 Modellbildung, mathematische Formulierung............... 1 1.2 Nichtlineare Programme.................................
MehrAUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02
AUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02 Probenversand am 24. Februar 2015 Anschrift: Umweltbundesamt GmbH Spittelauer Lände 5 1090 Wien/Österreich Ansprechpartner: Dr. Sandra
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrBerufliche Schulen des Landes Hessen Lehrplan Fachoberschule Allgemein bildender Lernbereich Mathematik
Berufliche Schulen des Landes Hessen Lehrplan Fachoberschule Allgemein bildender Lernbereich Mathematik Unterrichtsinhalte Funktionale Zusammenhänge Ausbildungsabschnitt I, 50Stunden Lineare Funktionen
MehrBivariate explorative Datenanalyse in R
Bivariate explorative Datenanalyse in R Achim Zeileis, Regina Tüchler 2006-10-09 In der LV Statistik 1 haben wir auch den Zusammenhang von 2 Variablen untersucht. Hier werden die dazugehörenden R-Befehle
MehrDie Fleissarbeit dem PC: Umfragen auf Knopfdruck auswerten
Die Fleissarbeit dem PC: Umfragen auf Knopfdruck auswerten Druckreife statistische Auswertungen von Umfragen in Rekordzeit Jonas Bieri Basel-Stadt jonas.bieri@bs.ch Agenda 1. Das Problem Bestehende Umfrageauswertungs-Tools:
MehrApproximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial
Approximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial Lukas Nilgen 13. Januar 2016 1 / 22 Inhaltsverzeichnis 1 Definition eines Wirbelstromscheiders
MehrWirkungsquantum Ein Physikprotokoll
Wirkungsquantum Ein Physikprotokoll Physik I für KEB, TFH Berlin 30. Juni 2006 Issa Kenaan 739039 Torben Zech 738845 Martin Henning 736150 Abdurrahman Namdar 739068 Inhaltsverzeichnis 1 Versuchsaufbau
MehrTV SHOT MODELLING-ANALYSE VON WERBEWIRKUNG SEPTEMBER 2015
TV SHOT MODELLING-ANALYSE VON WERBEWIRKUNG SEPTEMBER 2015 FRAGESTELLUNG ERKLÄRUNG DER WERBEERINNERUNG DURCH VERSCHIEDENE FAKTOREN Welcher Zusammenhang besteht zwischen TV-Werbeausgaben und der gestützten
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker II
Universität des Saarlandes Fakultät für Mathematik und Informatik Sommersemester 2004 Prof. Dr. Joachim Weickert Dr. Bernhard Burgeth Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für
MehrIllustrierende Aufgaben zum LehrplanPLUS
Vergrößern ebener Figuren Jahrgangsstufen 3/4 Fächer Benötigtes Material Mathematik Geobretter, Gummis, Karopapier, Einheitsquadrate, Karten mit gezeichneten Vorlagen Kompetenzerwartungen M 3/4 2 M 3/4
MehrHauptprüfung 2007 Aufgabe 3
Hauptprüfung 7 Aufgabe. Gegeben sind die Funktionen f, g und h mit f (x) = sin x g (x) = sin(x) +, x h(x) = sin x Ihre Schaubilder sind Beschreiben Sie, wie hervorgehen.. Skizzieren Sie K g. K f, K f,
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
MehrMathematik Curriculum Kursstufe
Mathematik Curriculum Kursstufe Kompetenzen und Inhalte des Bildungsplans Leitidee Funktionaler können besondere Eigenschaften von Funktionen rechnerisch und mithilfe des GTR bestimmen. Unterrichtsinhalte
MehrTag der Mathematik 2017
Gruppenwettbewerb Einzelwettbewerb Mathematische Hürden Aufgaben mit en und Punkteverteilung Aufgabe G1 mit Aufgabe G1 Eine Urne enthält blaue und rote Kugeln. Vor der Ziehung ist die Wahrscheinlichkeit
MehrProgrammieren des NXT-Roboters mit LabView 2010
Programmieren des NXT-Roboters mit LabView 2010 Von Alwin Ebermann 1. Voraussetzungen Der Roboter hat die neueste Firmenware LabView 2010 for NXT ist schon installiert (Testversion hier) 2. Programmieren
Mehr