České vysoké učení technické v Praze Fakulta stavební Katedra zdravotního a ekologického inženýrství Možnosti vyhodnocení kalibrace srážko-odtokového simulačního.

Slides:



Advertisements
Podobné prezentace
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STAVEBNÍ ÚSTAV GEODÉZIE
Advertisements

Cash-Flow-at-Risk a investiční rozhodování
Vyhodnocení úspěšnosti fiskálních predikcí
OBECNÉ OPTIMALIZAČNÍ MODELY
 Spolupráce s firmou zabývající se ochranami generátorů.  Doložení přesnosti dodávaných systémů zákazníkům.  Podklady pro získání statutu akreditované.
České vysoké učení technické v Praze
Úvod Klasifikace disciplín operačního výzkumu
Hodnocení způsobilosti procesů
Optimalizace logistického řetězce
školitel: doc.Ing.Milan Hokr, Ph.D.
Hodnocení způsobilosti měřících systémů
Lekce 1 Modelování a simulace
Kvalita elektrické energie z pohledu distributora
ROZHODOVACÍ PROCESY PRO VÍCECESTNÉ TELEMATICKÉ APLIKACE Filip Ekl
Dynamické rozvozní úlohy
Optimalizace v simulačním modelování. Obecně o optimalizaci  Optimalizovat znamená maximalizovat nebo minimalizovat parametrech (např. počet obslužných.
POVODŇOVÉ PLÁNY Ing. Jiří Baloun
Diplomová práce Autorka: Ing. et Ing. Zuzana Hynoušová
Josef Keder Hana Škáchová
Hodnocení krajinných změn, příklad z ČR
64. Odhady úplných chyb a vah funkcí BrnoLenka Bocková.
Získávání informací Získání informací o reálném systému
Růstové a přírůstové funkce
Rozbory přesnosti v jednotlivých fázích vytyčení
Mgr. Alena Lukáčová, Ph.D., Dr. Ján Šugár, CSc.
LOGISTICKÉ SYSTÉMY 4/14.
Pravděpodobnost a statistika opakování základních pojmů
Josef Keder Hana Škáchová
Tloušťková struktura porostu
ROZHODOVACÍ ÚLOHY.
STANOVENÍ NEJISTOT PŘI VÝPOŠTU KONTAMINACE ZASAŽENÉHO ÚZEMÍ
Novohradské statistické dny Poznámky k problematice určování počtu shluků Hana Řezanková Vysoká škola ekonomická v Praze.
Cvičná hodnotící prezentace Hodnocení vybraného projektu 1.
FEM model pohybu vlhkostního pole ve dřevě - rychlost navlhání dřeva
Ing. Lukáš OTTE kancelář: A909 telefon: 3840
Matematická teorie rozhodování
Richard Lipka Katedra informatiky a výpočetní techniky Fakulta aplikovaných věd Západočeská univerzita, Plzeň 1.
Vlastnosti motorických testů a baterií
Základy hydrauliky a hydrologie
Příprava plánu měření pro přírubu
IFA, Česká republika 17. května 2011
Přednáška 11 Otopné soustavy Doc.Ing.Karel Kabele,CSc.
Systém rizikové analýzy při statickém návrhu podzemního díla Jan Pruška.
ŠÍŘENÍ A PŘENÁŠENÍ CHYB A VAH
Požadavky na vypracování rozptylových studií
Vodohospodářské inženýrství a životní prostředí VIZP
Modelování stoku přívalových srážek v povodí
Diplomová práce Modelování vlivu lesního vegetačního krytu a lesní půdy na srážko-odtokové vztahy Vedoucí diplomové práce: Mgr. Jan Unucka Studijní obor:
Lineární regresní analýza
Tvorba simulačních modelů. Než vznikne model 1.Existence problému 2.Podrobnosti o problému a o systému 3.Jiné možnosti řešení ? 4.Existence podobného.
ZKUŠEBNICTVÍ A KONTROLA JAKOSTI 01. Experimentální zkoušení KDE? V laboratoři In-situ (na stavbách) CO? Modely konstrukčních částí Menší konstrukční části.
Metrologie   Přednáška č. 5 Nejistoty měření.
ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ III.
Normální rozdělení a ověření normality dat
Statistická významnost a její problémy
Cíl přednášky Seznámit se
Monte Carlo simulace Experimentální fyzika I/3. Princip metody Problémy které nelze řešit analyticky je možné modelovat na základě statistického chování.
Optimalizace versus simulace 8.přednáška. Obecně o optimalizaci  Maximalizovat nebo minimalizovat omezujících podmínkách.  Maximalizovat nebo minimalizovat.
Troubleshooting Hledání příčin poruch Metody pro určení proč něco nepracuje správně, nebo neposkytuje očekávané výsledky.
PREV v. 3.1DCL, 2012 PREV v. 3.1 P. Dlask Presented for DCL 2012, Prague Extended in the frame of Decision Laboratory Centralized development project 7th.
Systémy vnitřní kontroly kvality
Měřické chyby – nejistoty měření –. Zkoumané (měřené) předměty či jevy nazýváme objekty Na každém objektu je nutno definovat jeho znaky. Mnoho znaků má.
Aplikovaná statistika 2.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Přednáška č. 3 – Posouzení nahodilosti výběrového souboru
Úvod do praktické fyziky
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Název: Chyby měření Autor: Petr Hart, DiS.
Vodní nádrže 2017 DYNAMIKA FYTOPLANKTONU VODÁRENSKÉ NÁDRŽE HAMRY V PRŮBĚHU BIOMANIPULAČNÍCH OPATŘENÍ Radovan Kopp, Tomáš Zapletal, Pavel Jurajda, Zdeněk.
Rehabilitace kanalizačních staveb na poddolovaném území
Transkript prezentace:

České vysoké učení technické v Praze Fakulta stavební Katedra zdravotního a ekologického inženýrství Možnosti vyhodnocení kalibrace srážko-odtokového simulačního modelu Lukáš Novák David Stránský, Ph.D.

Obsah prezentace 1. Motivace 2. Cíle 3. Metodické postupy Metody kalibrace Parametry a možnosti vyhodnocení Potenciální kritéria 4. Diskuze 5. Závěr

1. Motivace Kalibrace s.-o. simulačních modelů „V managementu městského odvodnění se důležitá rozhodnutí stále více přijímají na podkladě výstupů ze simulačních prostředků srážko-odtokových poměrů v urbanizovaném povodí." nedostatečně zkalibrovaný model ovlivňuje efektivnost a investiční náklady navrhovaných opatření pro optimalizaci systému zdroj: Hlavínek (2001) věrohodnost výstupů simulačních modelů??? požadavek kalibrace modelů cílevědomé a fyzikálně správné přizpůsobení vybraných parametrů zdroj: Krejčí et. al. (2000)

ovlivnění vztahu simulace X realita schematizace dat o stokové síti a jednotlivých objektech o povodí o množství a „čas. rozložení" OV o recipientu o ČOV o okrajových podmínkách o počátečních podmínkách schematizace procesů hydrologické procesy hydraulické procesy kalibrace modelu metoda kalibrace kvalita použitých dat 1. Motivace Faktory mající vliv na kvalitu kalibrace

1. Motivace Stokové sítě a kanalizační přípojky ČSN Dešťové nádrže ČSN Odlehčovací komory a separátory TNV jaké požadavky mají simulační modely splňovat? Pražské standardy (2001) …základním účelem matematického modelu je simulovat skutečné průtokové poměry v kanalizační síti… matematické simulace musí respektovat… správný popis srážko- odtokového procesu …model má reagovat na daný podnět (zatížení srážkou, manipulace na síti, funkce čerpání apod.) shodně s jeho odezvou v reálném systému… Doporučení v dané problematice - ČR „Environmentální modely jsou neodmyslitelně nedokonalé, neboť abstrahují a zjednodušují skutečné environmentální zákonitosti a procesy.“ (HarmonRiB, 2005)

2. Cíle  přehled metod kalibrace  parametry a možnosti vyhodnocení kalibrace  potenciální kritéria parametrů pro vyhodnocení  There is no single, accepted statistic or test that determines whether or not a model is validated „Neexistuje jediná unikátní statistická funkce nebo test, jež by určily, zda je či není model dostatečně věrohodný.“ (Donigian, Jr. 2000)

hledání jediného unikátního nastavení parametrů  pokus – omyl  automatická kalibrace  „Code of Good Practice“ PEST, UCODE „state-of-the-art“ 3. Metodické postupy Metody kalibrace – „filozofie“ (Beven, Binley, 1992) hledání sad parametrů, jež splňují požadovaná kritéria – equifinality concept (Beven, Binley, 1992) … úloha kalibrace parametrů je matematicky špatně postavena … výsledek není jednoznačný, vyhovujících řešení je mnoho  GLUE - Generalised Likelihood Uncertainty Estimation „kalibrovat" …. „přibližovat se realitě" zdroj: Vojinovic, Solomatine (2006)

3. Metodické postupy Metody kalibrace – „filozofie“ „equifinality“ koncept – „GLUE“ vytvoření reálných rozmezí parametrů předpoklad rovnoměrného rozdělení parametru Monte-Carlo simulace vyhodnocení simulací - na základě porovnání s měřenými daty vyhodnocení predikčních mezí – věrohodnost simulace odvození nejistot daného parametru (& nejistoty struktury modelu) nastavení parametrů modelu není vhodné pro všechny možné situace … vyhovujících řešení je mnoho… zdroj: Saltelli (2004)

3. Metodické postupy stoková síť - povodí cca 20 ha, typická městská obytná zástavba - vysoká infiltrace/exfiltrace 3-měsíční monitorovací kampaň v r simulační prostředek MOUSE - RDII modul … 22 kalibračních parametrů … 9 významných metoda kalibrace ovlivňuje výstupy simulačního modelu metoda „kalibrace" přepadlý objem [m 3 ]počet přepadů pokus – omyl23 404,154 auto. kalibrace49 611,682 „code of good practice“78 545,171 „equifinality“ koncept33 200, Vyhodnocení „chování„ s.s. za 3-měsíce v roce 1995 ΔV [%]ΔV [%] Metody kalibrace – srovnání zdroj: Vojinovic, Solomatine (2006)

3. Metodické postupy Parametry vyhodnocení kalibrace V … celkový objem události Q max … maximální hodnota průtoku T Q,max … čas výskytu maximální hodnoty průtoku Ω … tvar hydrogramu h max … maximální hodnota hladiny v max … maximální hodnota rychlosti & T i,max V, h max, v max, Q max T i,max, Ω porovnání simulované a naměřené – referenční veličiny grafické statistické

3. Metodické postupy Grafické vyhodnocení kalibrace  časové řady  scattergraf  kumulativní frekvenční rozdělení

3. Metodické postupy Statistické vyhodnocení kalibrace  vyhodnocení odchylek  testy korelace (lineární korelační koeficient)  kumulativní distribuční test (test dle Kolmogorova-Smirnova) V = 115,4 m 3 V = 118,9 m 3 RE(V) = 3,0% Q max = 51,7 m 3 /s Q max = 53,0 m 3 /s RE(Q max ) = 2,6% ρ(P,O) = 0,933

3. Metodické postupy Statistické vyhodnocení kalibrace „tvar“ hydrogramu „podobnost tvarů křivek“ → vhodnost statistických metod??? střední kvadratická odchylka koeficient determinace RMSE = 7,245E f = 0,854 E f > 0,9 … velmi dobré 0,8 < E f < 0,9 … dobré 0,6 < E f < 0,8 … neuspokojivé (Shamseldin, 1997)

3. Metodické postupy Potenciální kritéria vyhodnocení kalibrace paramet r - autor Pugh, Keeble (2004) James (2003)WaPUG (2003) DWFWWFDWFWWFDWFWWF T Qmax ----cca 1 hod.„podobné“ h± 25 %± 30 %---± 100 mm* Q,max ± 10 %± 15 %± 10 %± 15 %± 10 %- 15 % až + 25% V± 10 %± 15 %± 5 %± 10 % -10 % až + 20 % * platí pro výšku plnění při volné hladině v klíčových objektech systému, např. OK * v případě tlakového proudění ve stokové síti je doporučeno kritérium - 0,1 m až + 0,5 m odlišná kritéria pro různé úrovně schematizace problematiky

4. Diskuze Použití „sofistikovanějších“ modelů? limity - přesnost měření - počty měření pro statistické vyhodnocení - problém „měřítka“ sofistikovanější model větší množství parametrů více dílčích nejistot spolehlivější výstupy ? realitu nelze postihnout, nakolik se ji však lze přiblížit? zdroj: EPA CREM (2003) Nejistota Komplexnost modelu Celková nejistota Bod minimální nejistoty Nejistota dat Nejistota struktury modelu

4. Diskuze Výběr kalibračních událostí data pro kalibraci srážková odezvy na s.s. srážkové události  srážkový úhrn > 5 mm  rozsah trvání srážky – ideálně ½ T c, 1 T c, 1⅓ T c  intenzita srážky > 6 mm/hod více než > 4 minuty plošné rozložení deště srážkový úhrn v povodí by se neměl lišit > 20% rozdíl v čase maximální ntenzity by měl být < 15 minut odchylka v průměrné intenzitě události by měla být < 30% odezvy na s.s. v měrném profilu o výška plnění potrubí > 100 mm & rychlost proudění > 0.2 m.s -1 o poměr odezvy ku bezdeštnému průtoku by měl být dvojnásobný o významné objekty na s.s. by měly být ve funkci (např. OK, ČS…) kvalita výstupů modelu při kalibraci nemůže být lepší než kvalita použitých naměřených dat zdroj: WaPUG (2002) úroveň kalibrace závisí zejména na počtu měrných profilů, ve kterých je model ověřován než na preciznosti shody

5. Závěr  kritéria parametrů pro vyhodnocení kalibrace mohou: + zvýšit kvalitu simulačních modelů + zajistit porovnatelnost jednotlivých modelů - nesmí „zapříčinit“ násilnou kalibraci „Všechny modely jsou pochybné, ale některé přesto užitečné.“ (James, 2005)  v rámci ČR by měl být vytvořen metodický pokyn pro aplikaci simulačních modelů

zdroj: „Je na čase se podívat tváří tvář realitě přátelé… Opravdu nejsme raketoví inženýři.“