Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats
|
|
- Astrid Gehrig
- vor 5 Jahren
- Abrufe
Transkript
1 Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats Ralf Kaiser, Agnieszka Herman & Hanz D. Niemeyer Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten- und Naturschutz
2 MOSES: Modellierung des mittelfristigen Seegangsklimas im deutschen Nordseeküstengebiet Ziel des Projekts: DENMARK Erstellung eines 40-jährigen Datensatzes von Wasserstände, Strömungen und Seegang für drei charakteristische Gebiete der deutschen Nordseeküste Dithmarsher Bucht Analyse der erzeugten Datensätze Prüfung der Eignung der Datensätze für morphodynamische Modellierung Vorläufige Studie über das Konzept eines morphologisch-repräsentativen Seegangs Norderneyer Seegat NETHERLANDS Elbe Estuary GERMANY
3 Eingangsdaten und Konfiguration der Modellkette HIPOCAS wind HIPOCAS Wasserstände HIPOCAS Seegangs- Spektren Wind atlas (DWD) Delft3D Wasserstände und Strömungen SWAN Auflösung SWAN-Gitter: Delft3D-Gitter: 200m 300m -> 30m 50m
4 Verifikation der Ergebnisse (Testperiode Sep.-Nov. 2002) Messung SWAN mit HIPOCAS RB HIPOCAS boundary ( 7km north from SEE) Location of the DWR buoys in the study area Energiearme Dünung Starkwind-Lage H s (m) T e (s) Mittl. Messwert Zeit (Tage nach dem ) Mittl. modellierter Wert Standardabw. der Differenzen Mittl. Differenz (meas.-mod.) Forschungsstelle 0.01 Küste 0.95
5 Verifikation der Ergebnisse (Testperiode Sep.-Nov. 2002) Messung SWAN mit HIPOCAS RB SWAN mit SEE RB Location of the DWR buoys in the study area H s (m) T e (s) Mittl. Messwert Zeit (Tage nach dem ) Mittl. modellierter Wert Standardabw. der Differenzen Mittl. Differenz (meas.-mod.) Forschungsstelle Küste 0.56
6 Input Daten Delft3D und SWAN Simulationen Daten von 1 Punkt Hauptkomponenten Analyse Zerlegung des Datensatzes in feste Muster mit universalem Charakter und damit verbundene Verifikation Zeitserien Rekonstruktion der Daten PCs Muster + Neuronales Netz two-layer feed-forward network error gradient backpropagation
7 Hauptkomponentenanalyse der Modellergebnisse, Parameter Wasserstand Strömungen Signifikante Wellenhöhe Energieperioden Mittl. Wellenrichtung Prozentualer Anteil an der Varianz, Erstes Muster Prozentualer Anteil an der Varianz, Muster
8 Hauptkomponentenanalyse der Wasserstände, Muster 1 Muster 2 Muster 3 räumliche Verteilung des Anteils an der Varianz [%]
9 Hauptkomponentenanalyse der Wasserstände, Räumliche Verteilung der mit 5 Hauptkomponenten rekonstruierten Varianz [%] Standardabweichung der Differenzen [cm] zwischen den D3D-Ergebnissen und den mit 5 Hauptkomponenten rekonstruierten Zeitreihen
10 Hauptkomponentenanalyse der sign. Wellenhöhen, Muster 1 Muster 2 Muster % 3.35% 0.87% räumliche Verteilung des Anteils an der Varianz [%]
11 Hauptkomponentenanalyse der sign. Wellenhöhen, Räumliche Verteilung der mit 5 Hauptkomponenten rekonstruierten Varianz [%] Standardabweichung der Differenzen [cm] zwischen den SWAN-Ergebnissen und den mit 5 Hauptkomponenten rekonstruierten Zeitreihen
12 NN-Modellierung von signifikanten Wellenhöhen Delft3D HIPOCAS Zeit im Eingabe Punkt Ergebnisse der NN-Modellierung von Wasserständen und Strömungen H s (t-3δt) H s (t-2δt) H s (t-δt) H s (t) T e (t) ξ(t-3δt) ξ(t-2δt) ξ(t-δt) ξ(t) u w (t) v w (t) u w,mean (t) v w,mean (t) PC1 cur,x (t) PC1 cur,y (t) PC2 cur,x (t) PC2 cur,y (t) PC2 wl (t) PC3 wl (t) 90 Neuronen PC1(t) PC2(t) PC3(t) PC4(t) PC5(t)
13 NN-Modellierung von signifikanten Wellenhöhen NN SWAN-Daten PC1 PC2 PC3 PC4 PC % 3.348% 0.866% 0.475% 0.260% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Mittlere Differenz
14 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und mit NN rekonstruierten Zeitreihen Rekonstruierte Varianz [%]
15 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und mit NN rekonstruierten Zeitreihen Standardabweichung der Differenzen [cm] Mittlere signifikante Wellenhöhen [m] nur gesamter überflutete Datensatz Punkte
16 Rekonstruktion der signifikanten Wellenhöhen aus dem Jahr Diskrete Wahrscheinlichkeitsdichte Diskrete kumulative Wahrscheinlichkeitsdichte H s [m] H s [m]
17 Zukünftige Anwendungen der Daten: Morphodyn. Modellierung, z.b.: input Daten in kompakter Form (von PCA) Probability of the H s /h values greater than (breaking limit) 35 statistische Verteilung der hydrodynamischen und Seegangs-Parameter Statistik v. H s /h Morph. Auswirkung (CERC Formulierung) andere Parameter für morphodyn. Modellierung Mittl. Wellenrichutng Wellenrichtung Signifikante Wellenhöhe (m)
18 Diskussion Die Genauigkeit der hier gezeigten Modellierung von Seegangs- Zeitserien ist vergleichbar mit Ergebnissen aus der Literatur, wobei dort die Rekonstruktion von Parametern auf einzelne Punkte beschränkt ist. Das im Projekt Moses entwickelte Verfahren ist in der Lage, die räumliche Verteilung von charakteristischen Seegangsparametern für das gesamte Untersuchungsgebiet zu reproduzieren. Es ist zu beachten, dass neben den Ungenauigkeiten des Neuronalen Netzwerks selbst zwei zusätzliche Fehlerquellen vorhanden sind: - Ein Teil der Varianz wird dadurch vernachlässigt, dass nur die ersten fünf Komponenten verwendet werden - Das Annahme, dass der Charakter der Muster universell ist, bleibt nur eine Näherung. Unter diesen Gesichtspunkten ist die Genauigkeit der Rekonstruktion von Modellergebnissen bemerkenswert gut.
19 Zusammenfassung Delft3D and SWAN sind geeignete Werkzeuge für diese Art von Untersuchungen Die Datensätze, die im MOSES-Projekt erstellt wurden, sind für weitere Bearbeitung geeignet wie zum Beispiel für mittelfristige statistische Analysen von Wasserständen, Strömungen und Seegang im Einzugsgebiet des Norderneyer Seegats. Die Datensätze können darüber hinaus auch für weitergehende morphodynamische Analysen/Modellierungen verwendet werden insbesondere auch im Hinblichk auf das Konzept eines morphodynamisch repräsentativen Seegangs Das im Projekt entwickelte Neuronale Netz ist ohne weitere Änderungen oder Anpassung mit Erfolg auch im Bereich der Dithmarscher Bucht angewendet worden.
20 Hauptkomponentenanalyse (PCA) 1. Wie funktioniert es? Data matrix: Y = y11 y12 y13 K y1 y y y y K 2 M M M O M y 1 y 2 y 3 K y N N N NP P P Map at time t 2 1. Remove mean value from each time series Time series in point x 2 2. Covariance matrix C 1 + = n 1 C Y Y 3. Eigenvalue analysis of eigenvalues + modes e j Y 4. Projection of on the eigenvectors principal components h j = + Y e j Reconstruction of the data: Y = h1e1 + h2e2+ K+ h e + K+ h e q q P P
21 Hauptkomponentenanalyse (PCA) 2. Was ist damit gemeint? Daten im Punkt x 2 Daten im Punkt x 1
22 Hauptkomponentenanalyse (PCA) 3. Einfaches Beispiel Dataset: a combination of three fields PCA % der Varianz
23 NN-Modellierung von Wasserständen NN Delft3D-Daten PC1 PC2 PC3 PC4 PC % 1.803% 0.638% 0.144% 0.052% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Standardabw. der Differenzen
24 Rekonstruktion der Wasserstände aus dem Jahr 1985 Anteil der Varianz [%] rekonstruiert mit dem NN Standardabweichung der Differenzen [cm] zwischen den D3d-Ergebnissen und den rekonstruierten Daten
25 NN-Modellierung von Strömungen PC1 PC2 PC3 PC4 PC5 x-komponenten 84.47% 7.26% 1.97% 1.51% 0.68% y-komponenten PC1 x PC1 y PC2 x PC2 y PC3 x PC3 y PC4 x PC4 y PC5 x PC5 y Korrkoeff. [%] Stdabw. der Diff Mittlere Differenz
26 Rekonstruktion der Strömungen aus dem Jahr 1985 Anteil der Varianz [%] rekonstruiert mit dem NN Standardabweichung der Differenzen [cm/s] zwischen den D3d-Ergebnissen und den rekonstruierten Daten
27 NN-Modellierung von Energieperioden NN SWAN-Daten PC1 PC2 PC3 PC4 PC % % 1.511% 1.276% 1.053% PC1 PC2 PC3 PC4 PC5 Korrelationskoeffizient [%] Standardabw. der Differenzen Mittlere Differenz
28 Rekonstruktion der Energieperioden aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und den mit NN rekonstruierten Zeitreihen Rekonstruierte Varianz [%]
29 Rekonstruktion der Energieperioden aus dem Jahr 1985 Vergleich zwischen den SWAN-Ergebnissen und den mit NN rekonstruierten Zeitreihen Standardabweichung der Differenzen [s] Mittlere Energieperioden [s]
Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats
Mittelfristige Tide- und Seegangsmodellierung für das Einzugsgebiet des Norderneyer Seegats Ralf Kaiser, Agnieszka Herman & Hanz D. Niemeyer Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten-
MehrRekonstruktion historischer Ästuarzustände zur Analyse der Tidedynamik in der deutschen Bucht
Rekonstruktion historischer Ästuarzustände zur Analyse der Tidedynamik in der deutschen Bucht Grundlagenarbeiten zu ALADYN (03F0756 A - C) Andreas Wurpts im NLWKN ALADYN (03F0756 A - C) Analysing long-term
MehrOptempS-MohoWif. Optimierung empirischer Sturmflutvorhersagen und Modellierung hoch auflösender Windfelder
OptempS MohoWif Optimierung empirischer Sturmflutvorhersagen und Modellierung hoch auflösender Windfelder 1 Zentrale Projektziele Nachrechnung von 40 sturmfluterzeugenden Wetterlagen der vergangenen 50
MehrAnwendungsdemonstration vom Windatlas Deutsche Nordseeküste
Anwendungsdemonstration vom Windatlas Deutsche Nordseeküste KFKI-Projekt MOSES A. Ganske, G. Rosenhagen, H. Schmidt Hamburg 1 1. Was ist der Windatlas? 1.1. Wozu ist der Windatlas da? 1.2. Welche Größen
MehrSeegang als Kriterium für die Sicherheit im Schiffsverkehr
Bundesamt für Seeschifffahrt und Hydrographie Seegang als Kriterium für die Sicherheit im Schiffsverkehr Dieter Schrader coastdat-workshop 05.-06.10.2006 Einige Aufgaben des BSH, Abt. Meereskunde Wasserstandsvorhersage,
MehrUnsicherheiten bei der Ermittlung der Seegangsverhältnisse im Küstenbereich
Unsicherheiten bei der Ermittlung der Seegangsverhältnisse im Küstenbereich Christian Schlamkow / Norman Dreier Fachgebiet Küstenwasserbau Universität Rostock 25.03.2010 2009 UNIVERSITÄT ROSTOCK Fragestellungen
MehrTP 3 Seegangsmonitor. Dr. Jens Kieser, Dr. Thomas Bruns. DeMarine-2 Gesamtprojekttreffen, 15. Mai Assoziierte Partner.
TP 3 Seegangsmonitor Dr. Jens Kieser, Dr. Thomas Bruns Assoziierte Partner 1 Anforderungen im Offshore-Bereich Zunehmender Schiffsverkehr durch den Ausbau der Offshore-Industrie Verschleppung von Plattformen
MehrBelastungen von Küstenschutzanalagen
Belastungen von Küstenschutzanalagen Ergebnisse aus dem Forschungsprojekt HoRisK Dipl.-Ing. Dörte Salecker Prof. Dr.-Ing. Peter Fröhle 11. November 2014 11.11.2014 HoRisK Belastungen AP2 Arbeitsschritte
MehrDeMarine-2 Seegangsmonitor
Entwicklung von Vorhersageprodukten zur Unterstützung der Offshore-Industrie und anderer Nutzer DeMarine-2 Seegangsmonitor Dr. Frank Janssen 1, Dr. Thomas Bruns 2, Dr. Jens Kieser 2, Dr. Susanne Lehner
MehrDie Berücksichtigung des Seegangs im Rahmen der Untersuchungen
Die Berücksichtigung des Seegangs im Rahmen der Untersuchungen Sören Joswig, Denise Knoch, Norbert Winkel BAW - DH / 2005-11 Folie-Nr. 1 Deutsche Bucht Elbe JADE Weser Ems BAW - DH / 2005-11 Folie-Nr.
MehrMustererkennung: Neuronale Netze. D. Schlesinger ()Mustererkennung: Neuronale Netze 1 / 12
Mustererkennung: Neuronale Netze D. Schlesinger ()Mustererkennung: Neuronale Netze 1 / 12 Feed-Forward Netze y 1 y 2 y m...... x 1 x 2 x n Output Schicht i max... Zwischenschicht i... Zwischenschicht 1
MehrSeegangsmonitor. hochauflösende Wellenvorhersagen und -analysen für die deutschen Küsten
Seegangsmonitor hochauflösende Wellenvorhersagen und -analysen für die deutschen Küsten Jens Kieser, Thomas Bruns Deutscher Wetterdienst (DWD) Anja Lindenthal, Frank Janssen, Thorger Brüning Bundesamt
MehrWindenergie an Land. Heinz-Theo Mengelkamp. anemos Gesellschaft für Umweltmeteorologie mbh
Windenergie an Land Erarbeitung einer Roadmap zur Erstellung eines Windatlanten Heinz-Theo Mengelkamp anemos Gesellschaft für Umweltmeteorologie mbh Fraunhofer-Institut für Windenergie und Energiesystemtechnik
MehrUntersuchung mit GRACE-only Schwerefeldmodellen. Wolfgang Bosch Deutsches Geodätisches Forschungsinstitut (DGFI), München
Untersuchung mit GRACE-only Schwerefeldmodellen Wolfgang Bosch Deutsches Geodätisches Forschungsinstitut (DGFI), München email: bosch@dgfi.badw.de Motivation Dominante Variationen der ersten GRACE Monats-Lösungen
MehrKNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren
KNN-Methode zur Einschätzung von Veränderungen des Salzgehaltes in Ästuaren Holger Rahlf; Reiner Schubert www.baw.de Künstlich Neuronales Netz Gliederung Einleitung Grundlagen Möglichkeit und Grenzen Anwendung
MehrVergleich von Seegangsmessungen mit Boje und Radar an der Plattform FINO 1. Dipl.-Ing. Maria Blümel Prof. Dr.-Ing. W. Zielke
Vergleich von Seegangsmessungen mit Boje und Radar an der Plattform FINO 1 Dipl.-Ing. Maria Blümel Prof. Dr.-Ing. W. Zielke Leibniz Universität Hannover Institut für Strömungsmechanik und Elektronisches
MehrEin Plädoyer für offene Schnittstellen zum Datenaustausch und zur Koppelung von Simulationsverfahren am Beispiel von OpenMI
Ein Plädoyer für offene Schnittstellen zum Datenaustausch und zur Koppelung von Simulationsverfahren am Beispiel von OpenMI Kolloquium in der BAW DH am 30.10.2008 Abteilung Küste der Bundesanstalt für
MehrStatistisch-probabilistische Einordnung von Sturmfluten mit sehr geringen Eintrittswahrscheinlichkeiten. Jürgen Jensen & Christoph Mudersbach
MUSE Statistisch-probabilistische Einordnung von Sturmfluten mit sehr geringen Eintrittswahrscheinlichkeiten KFKI-Nr. 78 bmbf-nr. 03KIS039 Jürgen Jensen & Christoph Mudersbach Folie 1 fwu (2004) Inhalt
MehrWindatlas Österreich René Cattin, Hans Winkelmeier
Windatlas Österreich René Cattin, Hans Winkelmeier Inhalt Präsentation des Windatlas Genauigkeit des Windatlas Der Weg zum Windatlas Erkenntnisse Stärken und Schwächen des Windatlas Schlussfolgerungen
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 13. Juli 2011 Ziel der Vorlesung Vermittlung von Grundkenntnissen der Statistik, Simulationstechnik und numerischen Methoden (Algorithmen) Aufgabe:
MehrEinige Grundbegriffe der Statistik
Einige Grundbegriffe der Statistik Philipp Mitteröcker Basic terms Statistik (statistics) stammt vom lateinischen statisticum ( den Staat betreffend ) und dem italienischen statista ( Staatsmann" oder
MehrErmittlung von Bemessungsseegang für Küstenschutzwerke im Wattenmeer
Ermittlung von Bemessungsseegang für Küstenschutzwerke im Wattenmeer Hanz D. Niemeyer & Ralf Kaiser Niedersächsisches Landesamt für Ökologie -Forschungsstelle Küste- An der Mühle 5, D 26548 Norderney/Ostfriesland,
MehrINTBEM B Mathematische Modellierung der hydrodynamischen Belastungen von See- und Ästuardeichen
INTBEM B Mathematische Modellierung der hydrodynamischen Belastungen von See- und Ästuardeichen Arbeitsgruppe: Dipl.-Ing. Cordula Berkenbrink Dipl.-Ing. Ralf Kaiser Dipl.-Ing. Hanz Dieter Niemeyer KFKI-Seminar,
MehrVeränderungen der Hydrodynamik in der westliche Ostsee
Veränderungen der Hydrodynamik in der westliche Ostsee Christian Schlamkow, Universität Rostock Norman Dreier, Universität Rostock Prof. Peter Fröhle, Technische Universität Hamburg-Harburg 1 Inhalt: Wasserstandsszenarien
MehrWindfelder auf der Elbe (KFKI-Projekt OPTEL)
Folie 1 (KFKI-Projekt OPTEL) Dr. Anette Ganske Gudrun Rosenhagen Folie 2 1. Bodennahe Windfelder in der Atmosphäre - beeinflusst durch Rauigkeit und Topographie Folie 3 Rauigkeit - Über Land (z.b. Stadt
MehrStatistics, Data Analysis, and Simulation SS 2017
Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, 4. Mai 2017 Dr. Michael O. Distler
MehrAnalysing long-term changes of tidal dynamics in the German Bight (ALADYN)
Analysing long-term changes of tidal dynamics in the German Bight (ALADYN) Jürgen Jensen und die ALADYN-Projektpartner Forschungsinstitut Wasser und Umwelt (fwu) ALADYN-Projektgruppe Universität Siegen
MehrWasserstandsvorhersagen an der deutschen Nordseeküste. Karina Stockmann
Wasserstandsvorhersagen an der deutschen Nordseeküste Karina Stockmann Inhalt Grundlagen Wasserstandsvorhersagen Nutzerkreis Was beeinflusst den Wasserstand? Daten und Modelle Vorhersage mit FEWS-BSH Ablauf
MehrMeteo-marine Parameter aus Radarsatellitendaten
SAR Maritime Applications Maritime Security and Safety Lab Forschungsstelle Maritime Sicherheit DLR BF IMF OP DLR Bremen Flughafen, Institut für Methodik der Fernerkundung, Oberpfaffenhofen Susanne Lehner,
MehrWärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen
Wärmebedarfsprognose für Einfamilienhaushalte auf Basis von Künstlichen Neuronalen Netzen Internationale Energiewirtschaftstagung Wien - 12.02.2015 Maike Hasselmann, Simon Döing Einführung Wärmeversorgungsanlagen
MehrEntwicklung von Anpassungsstrategien im Küstenund Hochwasserschutz vor dem Hintergrund des Klimawandels"
Entwicklung von Anpassungsstrategien im Küstenund Hochwasserschutz vor dem Hintergrund des Klimawandels" KLIMZUG Projekt RAdOst Norman Dreier (TUHH), Peter Fröhle (TUHH), Christian Schlamkow (Uni Rostock),
MehrGrundlagen zu neuronalen Netzen. Kristina Tesch
Grundlagen zu neuronalen Netzen Kristina Tesch 03.05.2018 Gliederung 1. Funktionsprinzip von neuronalen Netzen 2. Das XOR-Beispiel 3. Training des neuronalen Netzes 4. Weitere Aspekte Kristina Tesch Grundlagen
MehrNLWKN - Geschäftsbereich III
Niedersächsischer Landesbetrieb für Wasserwirtschaft, Küsten- Küsten- und und Naturschutz Naturschutz NLWKN - Geschäftsbereich III Cordula Berkenbrink Aufgabenbereich Küsteningenieurwesen Forschungsstelle
MehrStrategien für den Küstenschutz Ergebnisse aus dem Projekt RAdOst
Übersicht Strategien für den Küstenschutz Ergebnisse aus dem Projekt RAdOst Auswirkungen des Klimawandels auf Wasserstände, Seegang und Strömungen in der Ostsee Konsequenzen für den Sedimenttransport und
MehrNeuronale Netze Aufgaben 3
Neuronale Netze Aufgaben 3 martin.loesch@kit.edu (0721) 608 45944 MLNN IN FLOOD3 2 Multi Layer Neural Network (MLNN) Netzaufbau: mehrere versteckte (innere) Schichten Lernverfahren: Backpropagation-Algorithmus
MehrMehr Sicherheit und Effizienz durch detaillierte Zustandserfassung und Vorhersagen Neue Produkte zur Unterstützung der Offshore-Windenergie
Mehr Sicherheit und Effizienz durch detaillierte Zustandserfassung und Vorhersagen Neue Produkte zur Unterstützung der Offshore-Windenergie Blick in die Praxis 28.Nov. 2013 - Florian Stempinski HOCHTIEF
MehrHäufigkeit von Stürmen im Nordatlantik
Häufigkeit von Stürmen im Nordatlantik Ch. Lefebvre Deutscher Wetterdienst, Abteilung Klima und Umwelt Markante Sturmereignisse wie 'Anatol', 'Lothar', und 'Ginger', die im Dezember 1999 und Mai 2000 nicht
MehrBiostatistik. Lösung
Prof. Dr. Achim Klenke Fridolin Kielisch 13. Übung zur Vorlesung Biostatistik im Sommersemester 2015 Lösung Aufgabe 1: a) Ich führe einen zweiseitigen Welch-Test durch, weil ich annehme, dass die Daten
MehrDigitaler Windatlas für die Ostsee
Sturmflutgefährdung der Ostseeküste MUSTOK-Workshop 2008 1 Digitaler Windatlas für die Ostsee Dr. A. Ganske 1, Dipl. Met. G. Rosenhagen 1, Dipl. Met. H. Schmidt 1 1 Deutscher Wetterdienst, Hamburg, e-mail:
MehrExtremsturmfluten an offenen Küsten und Ästuargebieten
Extremsturmfluten an offenen Küsten und Ästuargebieten Teilprojekt 1b: Ermittlung der maßgebenden Seegangsverhältnisse und Eintrittswahrscheinlichkeiten (Risikoquelle) Thomas Wahl, Christoph Mudersbach,
MehrDer diskrete Kalman Filter
Der diskrete Kalman Filter Fachbereich: Informatik Betreuer: Marc Drassler Patrick Winkler 1168954 6. Dezember 2004 Technische Universität Darmstadt Simulation und Systemoptimierung Darmstadt Dribbling
MehrModellbildung und Simulation
Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:
MehrRegionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom
Regionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom Elke Lorenz Thomas Scheidtsteger, Detlev Heinemann Universität Oldenburg 7.4.2011, 2. Fachtagung Energiemeteorologie, Bremerhaven
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 5. Juli 2011 Zunächst: PCA (Hauptkomponentenanalyse) ist eine mathematische Prozedur, die eine Anzahl von (möglicherweise korrelierten) Variablen
MehrDer Einfluss der natürlichenvarianz von Tide und Wind auf den Sedimenttransport in der inneren Deutschen Bucht. Dr.-Ing. A. D.
Der Einfluss der natürlichenvarianz von Tide und Wind auf den Sedimenttransport in der inneren Deutschen Bucht Dr.-Ing. A. D. Plüß AK - K3 / 22-11 Folie-Nr. 1 Gliederung Analyse der Varianz auf der Grundlage
MehrÜberblick und Ausblick
Letzte Vorlesung Statistik Vorlesung Datenanalyse und Statistik Gliederung 1 Rückblick Sortiert nach dem Inhalt der Vorlesung Sortiert nach Daten 2 Kovarianzmatrizen Klusteranalyse Hauptkomponentenanalyse
MehrSystemanalyse zum Sturmflutgeschehen für das Ems- und Jade/Weserästuar
Untersuchung regionaler Windwirkung, hydrodynamischer Systemzustände und Oberwassereinflüsse auf das Sturmflutgeschehen in Tideästuarien Systemanalyse zum Sturmflutgeschehen für das Ems- und Jade/Weserästuar
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrNeuronale Netzwerke: Feed-forward versus recurrent (d.h. feed-back )
Neuronale Netzwerke: Feed-forward versus recurrent (d.h. feed-back ) A: Schrittweise vorwärts-gerichtete Abbildung: Eingangssignal (Input) r in Ausgansgsignal (Output) r out Überwachtes Lernen (wie z.b.
MehrQuantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen
Quantifizierung der Unsicherheit von Netzmessungen in einer Venturi-Düse bei unsicheren Zuströmbedingungen, Jonas Steinbock, André Fiebach, Thomas Lederer Erfahrungsaustausch zum Thema Flow am 29.2.2016
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
MehrRabea Haas, Kai Born DACH September 2010
Rabea Haas, Kai Born rhaas@meteo.uni-koeln.de DACH2010 21. September 2010 Motivation Niederschlagsdaten aus dem Gebiet des Hohen Atlas in Marokko Starke Gradienten des Niederschlags und der Höhe Komplexe
MehrEine Ensemble-Basierte Methode zur Definition. von Unsicherheiten in Analyse-Feldern. T. Gorgas, M.Dorninger, S. Kiesenhofer
Eine Ensemble-Basierte Methode zur Definition von Unsicherheiten in Analyse-Feldern T. Gorgas, M.Dorninger, S. Kiesenhofer Department of Meteorology and Geophysics, University of Vienna, Austria Konzept
MehrLARSIM Anwendertreffen 2015
LARSIM Anwendertreffen 2015 Abflussanteile aus Schnee- und Gletscherschmelze im Rhein: Projektvorstellung und erste Ergebnisse Mario Böhm, Nicole Henn, Kai Gerlinger HYDRON Ingenieurgesellschaft für Umwelt
MehrHauptkomponenten-basierte Klassifikationsverfahren (PCA)
Hauptkomponenten-basierte Klassifikationsverfahren (PCA) Projektseminar: Wetterlagen und Feinstaub - Übung Dozent: Claudia Weitnauer Referent: Esther Oßwald, Julian Dare Datum: 30.05.2011 Übersicht 1 Einleitung
MehrOPT Optimierende Clusteranalyse
Universität Augsburg Fakultät für angewandte Informatik Lehrstuhl für Physische Geographie und Quantitative Methoden Übung zum Projektseminar: Wetterlagen und Feinstaub Leitung: Dr. Christoph Beck Referentin:
MehrProbabilistische Analyse regionaler Klimasimulationen
Probabilistische Analyse regionaler Klimasimulationen Christian Schölzel und Andreas Hense Meteorologisches Institut der Universität Bonn Fachgespräch Ableitung von regionalen Klimaszenarien aus Multi-Modell-Ensembles,
MehrNeue Modelle für die realistische Generierung von Minutenwerten
Neue Modelle für die realistische Generierung von Minutenwerten - Langfassung - Jan Remund Fabrikstrasse 14, CH-3012 Bern, Schweiz Tel.: +41 31 307 26 26, Fax: +41 31 307 26 10 E-Mail: jan.remund@meteotest.ch
MehrDatenmanagement in AufMod
Datenmanagement in AufMod Aufbau integrierter Modellsysteme zur langfristigen Analyse der Morphodynamik in der Deutschen Bucht Deutsches Schifffahrtsmuseum, Bremerhaven 28. November 2012 KFKI-Kolloquium
MehrModell zur Erstellung anlagenscharfer Ausbauszenarien für Windkraftanlagen zur Unterstützung der Netzplanung
Modell zur Erstellung anlagenscharfer Ausbauszenarien für Windkraftanlagen zur Unterstützung der Netzplanung Beitrag zum 45. Kraftwerkstechnischen Kolloquium 2013 Tobias Schmid Luis Carr Christoph Pellinger
MehrHYDRAULISCHE WIRKSAMKEIT DURCHLÄSSIGER BUHNEN Laborexperimente und Naturuntersuchungen
HYDRAULISCHE WIRKSAMKEIT DURCHLÄSSIGER BUHNEN Laborexperimente und Naturuntersuchungen Vom Fachbereich für Bauingenieurwesen der Technischen Universität Carolo-Wilhelmina zu Braunschweig zur Erlangung
MehrResidualanalyse. Fehlerlokalisierung und prädikative Steuerung. Proseminar - Robert Lorenz
Fakultät für Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Residualanalyse Fehlerlokalisierung und prädikative Steuerung Proseminar - Robert Lorenz Gliederung
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
MehrStatistical and Dynamical Downscaling of Numerical Climate Simulations
Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut Universität Bonn Projektbeschreibung Drying of the
MehrWindklima in Hamburg regionaler Wandel und lokale Auswirkungen
Windklima in Hamburg regionaler Wandel und lokale Auswirkungen Dr. Bernd Leitl bernd.leitl@zmaw.de Wind und Windwirkungen in Städten Wind ist ein prägendes Klimaelement auf allen Skalen Heterogenität dynamischer
MehrForschungsstelle Küste 18/1999
Forschungsstelle Küste 18/1999 Niedersächsisches Landesamt für Ökologie Peter Hüttemeyer, Annegret Koopmann, Hans Kunz, Maike Puschmann KFKI Forschungsvorhaben Morphologische Gestaltungsvorgänge im Küstenvorfeld
MehrNordsee-Sturmflut am
Nordsee-Sturmflut am 29.10.2017 Zusammenfassung: Am Vormittag des 29.10.2017 kam in weiten Bereichen der deutschen Nordseeküste zu einer Sturmflut (HW Cuxhaven: 29.10.2017, 6:41 MEZ). Diese wurde verursacht
MehrKüstenvorfeld und Ästuare im Klimawandel
Küstenvorfeld und Ästuare im Klimawandel Regionalkonferenz Hannover 2016 Workshop Küste und Wattenmeer Andreas Wurpts im NLWKN Historische Zustände der niedersächsischen Küste Homeier et al. 2015 Küstenparallele
MehrPrincipal Component Analysis (PCA) (aka Hauptkomponentenanalyse)
Principal Component Analysis (PCA) (aka Hauptkomponentenanalyse) Seminar für Statistik Markus Kalisch 25.11.2014 1 Unsupervised Learning Supervised Learning: Erkläre Zielgrösse durch erklärende Variablen
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
MehrRisiko eines durch Windwellen induzierten Strandrückgangs. Risk of a shoreline retreat induced by wind waves
Risiko eines durch Windellen induzierten Strandrückgangs Risk of a shoreline retreat induced by ind aves Fachtagung Erosionsprozesse und Schutzmaßnahmen an Seeufern Symposium Erosion processes and stability
MehrBUNDESANSTALT FÜR WASSERBAU
BUNDESANSTALT FÜR WASSERBAU Karlsruhe. Hamburg. Ilmenau Anpassung der Fahrrinne von Unter- und Außenelbe an die Containerschifffahrt Anlagenband 3 zum Gutachten zur ausbaubedingten Änderung der morphodynamischen
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung 11. Vorlesung Jochen Köhler 10.05.011 1 Inhalt der heutigen Vorlesung Zusammenfassung Parameterschätzung Übersicht über Schätzung und Modellbildung Modellevaluation
MehrVersagen und Konsequenzen des Versagens von Küstenschutzbauwerken in Mecklenburg-Vorpommern. M.Sc. Angelika Gruhn Prof. Dr.-Ing.
Versagen und Konsequenzen des Versagens von Küstenschutzbauwerken in Mecklenburg-Vorpommern 19. KFKI-Seminar zur Küstenforschung M.Sc. Angelika Gruhn Prof. Dr.-Ing. Peter Fröhle 11. November 2014 17.11.2014
MehrWINDSTAUSTUDIEN UND ENTWICKLUNG EINES OPERATIONELLEN TIDEELBE-MODELLS (OPTEL)
WINDSTAUSTUDIEN UND ENTWICKLUNG EINES OPERATIONELLEN TIDEELBE-MODELLS (OPTEL) S. Müller-Navarra, Bundesamt für Seeschifffahrt und Hydrographie Gliederung Struktur des Verbundprojektes, Partner im Projekt
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
MehrVerringerung der Unsicherheit bei der Abschätzung von Extremhochwasser durch Einbeziehung historischer Daten
Verringerung der Unsicherheit bei der Abschätzung von Extremhochwasser durch Einbeziehung historischer Daten Theresia Petrow Annegret H. Thieken Karl-Erich Lindenschmidt Bruno Merz Gliederung 1. Einleitung
MehrII - Wasserstände, Seegang, Strömungen und Sedimenttransporte
Großräumige Seegangsveränderungen Die Entwicklung des Seegangs trägt maßgeblich zum Gefährdungspotential bei, das für Küstenregionen von extremen Hochwasserständen ausgeht. Neben lokalen Faktoren wird
MehrSturmfl uten zur Bemessung von Hochwasserschutzanlagen
Sturmfl uten zur Bemessung von Hochwasserschutzanlagen Berichte des Landesbetriebes Straßen, Brücken und Gewässer Nr. 2/29 Einleitung Sturmfluten prägen das Leben in Städten und Landschaften, an Küsten
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 29. Oktober 2007 1. Statistik 1.1 Wahrscheinlichkeit Pragmatisch: p(e) = n(e) N für N sehr groß Kombination von Wahrscheinlichkeiten p(a oder B) =
MehrBestimmung maßgebender hydrodynamischer Bemessungsparameter für Küstenschutzanlagen an der Ostsee - SEBOK B
Sturmflutgefährdung der Ostseeküste MUSTOK-Workshop 2008 1 Bestimmung maßgebender hydrodynamischer Bemessungsparameter für Küstenschutzanlagen an der Ostsee - SEBOK B Dr. Peter Fröhle 1 und Dipl.-Ing.
MehrFragestellungen. Ist das Gewicht von Männern und Frauen signifikant unterschiedlich? (2-sample test)
Hypothesen Tests Fragestellungen stab.glu 82 97 92 93 90 94 92 75 87 89 hdl 56 24 37 12 28 69 41 44 49 40 ratio 3.60 6.90 6.20 6.50 8.90 3.60 4.80 5.20 3.60 6.60 glyhb 4.31 4.44 4.64 4.63 7.72 4.81 4.84
MehrHOCHWASSERPROGNOSE- MODELL ENNS
HOCHWASSERPROGNOSE- MODELL ENNS Robert Schatzl Hydrographischer Dienst Steiermark Inhalt Übersicht Systemaufbau Eingangsdaten Softwarestruktur Anpassung an Messwerte Darstellung der Ergebnisse Probleme
MehrStatistische Inferenz
Statistische Inferenz Prinzip der statistischen Inferenz Datensätze = Stichproben aus einer Gesamtpopulation (meistens) Beispiel : Messung der Körpertemperatur von 106 gesunden Individuen man vermutet,
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrNeue Datengrundlagen im Bereich Windenergie: C3S und regionale Reanalysen
Neue Datengrundlagen im Bereich Windenergie: C3S und regionale Reanalysen Dr. Andrea Kaiser-Weiss, Referat Nationale Klimaüberwachung (KU21), Deutscher Wetterdienst (DWD) Gliederung 1) Bedarf an Daten
MehrEchtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung , Dr.-Ing. Steffen Herbort, A.R.T. GmbH
Echtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung 26.10.2016, TP 2: Arbeiten von A.R.T. TP2: Tracking und Umfelderkennung Markerloses Tracking texturierte Objekte Umfelderkennung
MehrKarst-Einzugsgebiete, Trinkwasser, Klimawandel. Markus Weiler Andreas Hartmann
Karst-Einzugsgebiete, Trinkwasser, Klimawandel Markus Weiler Andreas Hartmann Karst in Europa Map of carbonate rock outcrops in Europe (Williams and Ford, 2006, modified) and (b) expected mean change of
MehrWellenerzeugung und Wellenvorhersage: Definitionen: Wellen: Schwingungen der Wasseroberfläche (Wasspiegelauslenkungen), die durch meteorologische
Wellenerzeugung und Wellenvorhersage: Definitionen: Wellen: Schwingungen der Wasseroberfläche (Wasspiegelauslenkungen), die durch meteorologische Wirkungen im Seegebiet erzeugt werden. Wind bzw. Sturm
MehrWahrscheinlichkeitstheorie 2
Wahrscheinlichkeitstheorie 2 Caroline Sporleder Computational Linguistics Universität des Saarlandes Sommersemester 2011 19.05.2011 Caroline Sporleder Wahrscheinlichkeitstheorie 2 (1) Wiederholung (1):
MehrTeil XI. Hypothesentests für zwei Stichproben. Woche 9: Hypothesentests für zwei Stichproben. Lernziele. Beispiel: Monoaminooxidase und Schizophrenie
Woche 9: Hypothesentests für zwei Stichproben Patric Müller Teil XI Hypothesentests für zwei Stichproben ETHZ WBL 17/19, 26.06.2017 Wahrscheinlichkeit und Statistik Patric
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY231) Herbstsemester 2015 Olaf Steinkamp 36-J-22 olafs@physik.uzh.ch 044 63 55763 Vorlesungsprogramm Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung
MehrSpektralanalyse physiologischer Signale
Spektralanalyse physiologischer Signale Dr. rer. nat. Axel Hutt Vorlesung 11 Aktionspotential zeigt Membranpotential in der Zellmembran, doch was sieht man ausserhalb? einzelne Synapse Summe von synaptischen
MehrZüchtungslehre - Lösung 3
Züchtungslehre - Lösung 3 Peter von Rohr October 20, 2015 Aufgabe 1 (8) Der in dieser Aufgabe verwendete Datensatz unter http://charlotte-ngs.github.io/livestockbreedingandgenomics/w5/simgenphen.csv umfasst
MehrWelchen Einfluss haben sehr hohe Abflüsse der Elbe auf die Wasserstände der Tideelbe?
Previous Next First Last Back Go-To Full-Screen Quit /1 Seite 1 BAW-Kolloquium Modellierung und Analyse von Strömungs- und Transportprozessen in Ästuaren Welchen Einfluss haben sehr hohe Abflüsse der Elbe
MehrINHALTSVERZEICHNIS 1 EINLEITUNG UND ZIELSETZUNG 1 2 THEORIE 3
INHALTSVERZEICHNIS 1 EINLEITUNG UND ZIELSETZUNG 1 2 THEORIE 3 2.1 Grundlagen der Röntgenbeugung 3 2.1.1 Erzeugung und Charakterisierung von Röntgenstrahlen 3 2.1.2 Wechselwirkung von Röntgenstrahlen mit
MehrModellierung hochauflösender Windfelder an der deutschen Nordseeküste. 18. KFKI Seminar zur Küstenforschung, H. Frank und B.
Modellierung hochauflösender Windfelder an der deutschen Nordseeküste zur Küstenforschung, 29.10.2013 H. Frank und B. Brecht 1. Einleitung 2. Numerische Wettervorhersage beim DWD: Modelle, Datenassimilation
MehrEffizienz & Gütekriterien
Prozessmodellierung II Effizienz & Gütekriterien Linda Spazier Matrikel: 93515 Linda.Spazier@uni jena.de 25.05.2009 GEO 241 Modellierung von Systemen 1 Effizienz und Gütekriterien Stellen Übereinstimmungen
MehrLangfristige Veränderungen extremer Wasserstände in Vergangenheit und Zukunft
RADOST Abschlusskonferenz Langfristige Veränderungen extremer Wasserstände in Vergangenheit und Zukunft Ralf Weisse, Hendrik Weidemann, Nikolaus Groll 02.04.2014 / Rostock Extreme Wasserstände in der Ostsee
Mehr