Das Projekt "AMONCO - Vorhersage, Monitoring und Steuerung des Biogas-Prozessesum Biogas in Brennstoffzellen zu verwenden" wird vom Umweltbundesamt gefördert und von Universität für Bodenkultur Wien, Institut für angewandte Mikrobiologie durchgeführt. Zielsetzung des EU-Projektes AMONCO (Advanced Prediction, Monitoring and Controlling of Anaerobic Digestion Processes Behaviour towards Biogas Usage in Fuel Cells) ist es die praktische Anwendung von Brennstoffzellen zum Verstromen von Biogas zu demonstrieren. Die Aufgabe der Arbeitsgruppe Umweltbiotechnologie am IAM ist es, dafür den Biogas-Prozess so zu steuern, dass möglichst keine Spurengase (H2S, Silane, etc.) entstehen. Dazu kann auf eine Steuerungsstrategie zurückgegriffen werden, die auf dem Einsatz von optischen Sensoren und hierarchischen Neuronalen Netzen beruht, welche am IAM bereits in einem mehrjährigen EU-Projekt (ANAERO CONTROL) erarbeitet worden ist. Das Projekt startet mit 1.12.2001 und ist für drei Jahre angesetzt.
Das Projekt "Wissenschaftliche Untersuchung der Wirkungsweise des PERI-Schneestabilisators" wird vom Umweltbundesamt gefördert und von Universität für Bodenkultur Wien, Institut für Alpine Naturgefahren durchgeführt. Die Untersuchung beinhaltet die Errichtung eines Messfeldes (Oisklause) im Rotwald. Dabei werden mittels Dehnmessstreifen, Temperaturmessung, mechanischer Zugwaage, Schneehöhenmessung und Datalogger die Kräfte auf die Stabilisatoren ermittelt. Die Arbeiten beinhalten die Installation der Messgeräte, die Betreuung des Messfeldes (Sommer und Winter), die Fotodokumentation der Schneegleitbewegungen sowie die Durchführung von Schneeprofilen. Im Sommer werden die Krafteinwirkungen durch Zugversuche der Stabilisatoren überprüft.
Das Projekt "Neue Lawinenprognosetechnologien" wird vom Umweltbundesamt gefördert und von Universität für Bodenkultur Wien, Institut für Alpine Naturgefahren durchgeführt. Das im Rahmen des Vorgängerprojektes NAFT erstellte Lawinenprognosemodell hat die Möglichkeiten numerischer Lawinenprognose aufgezeigt. Obwohl die verschiedenen entwickelten Lawinenprognosemodelle den Gefahrentrend und die allgemeine Situation den Erwartungen entsprechend richtig angezeigt haben, zeigte sich dennoch ein Nachteil sehr deutlich. Die gewünschten Informationen werden vom Praktiker vor Ort nicht als allgemeine - talschaftsbezogene - Information gewünscht, sondern sollen auf die einzelnen Gefahrenorte, bzw. Lawinenstriche bezogen sein. Als Ziel für NAFT2000 galt es daher die regionale Prognose zu verbessern als auch ein Modell für die lokale Prognose zu entwickeln. Die Optimierung der regionalen, talschaftsbezogenen Prognose war sehr erfolgreich. Durch Einbeziehung der Expositionen in die statistischen Analysen und in die Genetischen Algorithmen konnte die Trefferwahrscheinlichkeit im Durchschnitt um 5 Prozent gesteigert werden (mittlere Trefferrate bei Lawinentagen 85 Prozent). Erfreulich dabei ist, dass nicht nur die Lawinentage sondern auch die Nichtlawinentage besser erkannt wurden. Dadurch wird das Ergebnis für den Praktiker verlässlicher, weil es seltener überwarnt. Die lokale, hangbezogene Lawinenprognose konnte ebenfalls erfolgreich abgeschlossen werden. Die Ergebnisse stellen nicht nur eine Verbesserung hinsichtlich der Trefferquote dar. Alleine die Tatsache, dass die Gefahr differenziert für die einzelnen Hangbereiche visualisiert wird, stellt einen praxisrelevanten Fortschritt dar. Auch die zusätzliche Angabe relevanter Faktoren wie Strahlung und Schneehöhe in den einzelnen Abbruchgebieten fand große Zustimmung bei den Anwendern. Einer der größten Vorteile des vorgestellten lokalen Prognosekonzepts liegt weiters darin, dass keine langjährigen Datenreihen notwendig sind. Außer der eigentlichen Datenimplementierung und geringfügigen Adaptierungen müssen keine Zeitreihenanalysen wie bei der regionalen Prognose durchgeführt werden.
Das Projekt "Neue Lawinenprognosemodelle" wird vom Umweltbundesamt gefördert und von Universität für Bodenkultur Wien, Institut für Alpine Naturgefahren durchgeführt. Ziel des NAFT Projektes (New avalanche forecasting technolgies) ist es einerseits die in Verwendung befindlichen Lawinenprognoseverfahren zu verbessern und andererseits neue Lawinenprognosemodelle zu erstellen. Ausgehend von einer umfangreichen statistischen Datenanalyse konnten derzeit Erfolge mit der Diskriminanz- und der Clusteranalyse erreicht werden. Die besten Resultate wurden aber bei einer Prognose mit einem Neuronalen Netz erreicht (Multilayer Perceptron) erreicht. Bei lediglich einer Überwarnung von 30 Prozent konnten 80 Prozent der Lawinentage richtig prognostiziert werden.