Das Projekt "Fehlerortung im Frequenzbereich und EMV" wird vom Umweltbundesamt gefördert und von Universität Magdeburg, Institut für Medizintechnik durchgeführt. Im AP 4 'Fehlerortung in verzweigten Energieversorgungsnetzen und EMV im Umfeld der Hochspannung' des Gesamtvorhabens 'Diagnose- und Monitoringsystem für Kabelnetze der Zukunft' sind folgende Ziele für die Otto-von-Guericke Universität Magdeburg aufgeführt: 1. Weiterentwicklung der Aufbereitung von Messsignalen geringer Amplitude und unbekannter Skalenverhältnisse mit Hilfe weit entwickelter Transformationsalgorithmen (Wavelet-Transformation) 2. Adaption 'Neuronaler Netzwerke' zur automatischen Signalbewertung und -interpretation 3. Entwicklung von Algorithmen zur automatischen Analyse verzweigter Strukturen und Sondierung der Anwendung bei TE-Quellen 4. Sicherstellung der Elektromagnetischen Verträglichkeit (EMV) des Hochspannungsmesssystems 5. Gewährleistung der EMV an online Sensoren der Teilentladungsmesstechnik. Zur Lösung der aufgezeigten Probleme sind durch Anwendung der Leitungstheorie spezifische Modelle zur Beschreibung der Ausbreitungsvorgänge der Messimpulse auf den Leitungen zu entwickeln. Für die Simulation und die Erstellung von notwendigen Algorithmen wird das Programm MATLAB genutzt. In die Simulation fließen exakt zu bestimmende Kabelparameter ein, wodurch die Genauigkeit wesentlich erhöht werden kann. Im Bereich EMV werden die Beeinflussungen theoretisch und messtechnisch analysiert. Nach einer Bewertung werden gezielte EMV-Maßnahmen geplant, umgesetzt und abschließend nochmals messtechnisch überprüft.
Das Projekt "Anwendung und Entwicklung neuronaler Netze in der Wasserwirtschaft" wird vom Umweltbundesamt gefördert und von Berliner Wasserbetriebe durchgeführt. AENAES ist ein Projekt, in dem die Anwendung und Entwicklung Neuronaler Verfahren zur Autonomen Prozesssteuerung getestet werden soll. Im Rahmen eines BMBF-Vorhabens wird geprueft, inwieweit neuronale Netze in der Wasserwirtschaft einsetzbar sind. Die Berliner Wasserbetriebe sind mit folgenden Aufgabenschwerpunkten an dem Projekt beteiligt: - Entwicklung eines neuronalen Beobachters zur Bestimmung von Parametern des dynamischen Simulationsmodells eines Klaerwerks mit dem Ziel, innerhalb kurzer Zeit mit der vorhandenen Messtechnik ein gut angepasstes Modell der Anlage zu erhalten. Es dient als Entscheidungsgrundlage fuer Investitionen und Optimierung der Betriebsmittel. Als Modellbasis dient das dynamische Modell, das fuer PROSIM entwickelt wurde. - Entwicklung eines Trinkwasserprognosesystems auf der Grundlage von Referenzdaten aus der Vergangenheit. - Abwassermanagement mit dem Ziel Foerdersysteme zu bewirtschaften oder Klaerwerke gleichmaessig mit Abwasser zu beschicken. - Bereitstellung von Daten.
Das Projekt "Bestimmung der Gesamtozonsaeule mit neuronalen Netzen und 3-D Analyse der Atmosphaere mit dem '3I'-System" wird vom Umweltbundesamt gefördert und von Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg durchgeführt. Ziel des Projektes ist, die Entwicklung eines Modells basierend auf der Technik der neuronalen Netze fuer die Bestimmung der Gesamtozonsaeule aus NOAA TOVS Satellitendaten, die Prozessierung langjaehriger, globaler TOVS-Daten mit diesem Modell, die Erstellung von globalen Ozonkarten (Tagesmittelwert der Gesamtozonsaeule) mit einer raeumlichen Aufloesung von 1x1 Grad fuer die Jahre 1990 - 1996 und die begleitende 3-D-Atmosphaerenanalyse von Temperatur- und Feuchteprofilen mit dem '3I'-System. Es konnte gezeigt werden, dass es im Vergleich zu Messwerten von Bodenstationen moeglich ist, die Gesamtozonsaeule aus NOAA-TOVS Daten fuer alle Atmosphaerenzustaende (wolkenfrei/bewoelkt, Tag/Nacht) mit einem mittleren absoluten Fehler von kleiner 10 Dobson Einheiten zu bestimmen.
Das Projekt "Hochwasservorhersage fuer die Lausitzer Neisse mit Hilfe neuronaler Netze" wird vom Umweltbundesamt gefördert und von Industrielle Computer-Anwendungen audacia durchgeführt. Zielstellung des Projektes: Mit dem Forschungsvorhaben sollte die Antwort auf die Frage gefunden werden, ob ein kuenstlich neuronales Netz faehig ist, Abflussvorhersagen unter ausschliesslicher Nutzung der im hydrologischen Dienst der Behoerde verfuegbaren Daten in hinreichender Genauigkeit zu erstellen oder ob die konzeptionellen Verfahren zuverlaessigere Vorhersagen liefern. Fuer das Forschungsvorhaben wurde dabei das Flussgebiet der Lausitzer Neisse mit den Vorhersagepegeln Zittau und Goerlitz ausgewaehlt. Die Datenbasis in diesem Flussgebiet ist im Hochwasserfall schwierig, da nur auf zwei Niederschlagsstationen zurueckgegriffen werden kann und wenig Information vom Flussoberlauf auf dem Gebiet der Tschechischen Republik und den rechten Zufluessen auf dem Gebiet der Republik Polen vorliegen. Die neuronalen Netze wurden bisher kaum in der Hochwasservorhersage angewendet. Ziel des Forschungsvorhabens war es, die Modellansaetze des kuenstlichen neuronalen Netzes und Anpassungen fuer eine Anwendung in der Hochwasservorhersage zu entwickeln. Anhand eines ausgewaehlten Hochwasserereignisses wurden Aussagen zur Quantifizierung des Fehlers in der Hochwasservorhersage mit neuronalen Netzen mit einer Sensivitaetsanalyse hinsichtlich der Eingangsparameter des neuronalen Netzes erwartet. Gleichzeitig sollte ein Vergleich der Ergebnisse der Vorhersage durch das neuronale Netz mit dem konzeptionellen Modell vorgenommen werden. Kurzdarstellung der Ergebnisse: Dem LfUG wurde ein Hochwasservorhersagemodell zur Echtzeitvorhersage von Wasserstaenden und Abfluessen mit neuronalen Netzen und mit konzeptionellen hydrologischen Modellen fuer die Pegel Zittau und Goerlitz an der Lausitzer Neisse uebergeben. Als neuronales Netz wurde das Multilayer-Perceptron (MLP) mit einem auf die spezielle Hochwasserproblematik zwischen den Pegeln Zittau und Goerlitz zugeschnittenen Backprogation-Lernalgorithmus genutzt. Das neuronale Netz verwendet 47 Eingangsneurone, 16 Zwischenneurone und 24 Ausgangsneurone. Das konzeptionelle Vorhersagemodell besteht aus einem N-A-Modell fuer den Pegel Zittau, einem Wasserlaufmodell fuer die Flussstrecke Pegel Zittau bis Pegel Goerlitz sowie einem Abflussmodell fuer das Zwischengebiet Pegel Zittau bis Pegel Goerlitz. Testung der Modelle hat ergeben, dass die Vorhersageergebnisse noch nicht zufriedenstellend sind und besonders die Vorhersage mittels neuronaler Netze nicht immer nachvollziehbar ist. Das zum Einsatz gekommene neuronale Netz ist nach Auswertung der uns vorliegenden Ergebnissen und der Testung des Modells fuer den Praxisfall der Hochwasservorhersage nicht geeignet. Anschlussuntersuchungen zum Einsatz neuronaler Netze fuer die Hochwasservorhersage sind derzeit nicht vorgesehen. Im Rahmen der IKSO in Abstimmung mit den Nachbarlaendern ist die Weiterentwicklung des konzeptionellen Hochwasservorhersagemodells geplant. Schwerpunkt wird dabei die Verbesserung der Datenbasis sein.
Das Projekt "Wahrscheinlichkeitsbasierte Steuerung von Hochwasserspeichern und Talsperren mit der Methode der neuronalen Netze" wird vom Umweltbundesamt gefördert und von Technische Universität Carolo-Wilhelmina zu Braunschweig, Leichtweiß-Institut für Wasserbau durchgeführt. Ziel des beantragten Forschungsvorhabens ist zum einen die Optimierung des operationellen Betriebes von Hochwasserrückhaltebecken (HRB) und Hochwasserschutzräumen bei Talsperren zu Hochwasserzeiten mit neuronalen Netzen. Sodann soll die entwickelte Steuerungsmethode auch während mittlerer und niedriger Abflüsse im Normalbetrieb dafür sorgen, das der vorhandene Speicherraum optimal genutzt, und die Abgaben für langfristige Aufgaben, wie die Niedrigwasseranreicherung und die Wasserversorgung, optimiert werden. In herkömmlichen Steuerungsmodellen ist die Verwendung eines einheitlichen Ansatzes aus methodischen Gründen für die Steuerung im Hochwasserfall und im Normalbetrieb nicht möglich. Es wird ein adaptives Steuerungsmodell mit Abflußvorhersage für Mehrzwecktalsperren und HRB entwickelt, dessen Modellansätze auf einer Kombination von Wahrscheinlichkeitstheorie für extreme Zuflüsse und neuronalen Netzen aufbauen. Zielgrößen sind Speicher in kleineren und mittleren Einzugsgebieten. Die komplexen Zusammenhänge von Zufluß, Speicherinhalt und Abgabe und die mehrdimensionale Wahrscheinlichkeitsfunktionen werden mit einem neuronalen Netz abgebildet.
Das Projekt "Teilvorhaben: Bedeutung von Protozoen und ihren bakteriellen Symbionten für toxische Algen/Bakteriensysteme (PABS)" wird vom Umweltbundesamt gefördert und von Universität Stuttgart, Biologisches Institut durchgeführt. Wissenschaftliche Ziele des TP PABS im Rahmen des TEPS II-Projektes: 1. Klaerung der biologischen Grundlagen und der Wirkung von Toxinen, die durch Pro- und Eukaryonten produziert werden. Die mit den Dinoflagellaten und Schwaemmen assoziierten Bakterien und Toxine sollen gleichzeitig dargestellt und lokalisiert werden. Eindeutig axenische Algenkulturen sollen bereitgestellt werden. 2. Identifizierung neuer Toxine. Mit dem Artemientestsystem, ausgewaehlten Ciliaten und Saeugerzellen soll weiterhin nach neuen Toxinen in Dinoflagellaten und in Schwaemmen gesucht werden. 3. Untersuchung der Wechselwirkung innerhalb des Nahrungsnetzes. Hierbei liegt unser Schwerpunkt auf der weiteren Suche nach Interaktionen zwischen Protozoen und Mikroalgenpopulationen. 4. Spezifischer Nachweis von sowohl toxischen als auch nicht toxischen Algen. Dieser Nachweis soll mit der Durchflusszytometrie in Kombination mit gruppenspezifischen Sonden erbracht werden. Weiter sollen als wesentlicher Teil des Fruehwarnsystems diese unterschiedlichen Populationen mit dem Durchflusszytometer durch eine Sortiereinheit aussortiert und determiniert werden. 5. Direkter Nachweis von Toxinen. Mit licht- und elektronenmikroskopischen Verfahren und der Durchflusszytometrie sollen Toxine und Bakterien direkt in den Algen nachgewiesen werden. 6. Entwicklung eines Fruehwarnsystems. Schwerpunkt liegt hierbei auf deren Optimierung der Durchflusszytometrie in Verbindung mit spezifischen Sonden und einer durch neuronale Netze unterstuetzten Auswertung.
Das Projekt "Erkennung stressbedingter Veränderungen des Vitalitäts- und Stoffwechselzustandes von spezifischen Baumarten auf Basis von Hyperspektralaufnahmen" wird vom Umweltbundesamt gefördert und von Fraunhofer-Institut für Fabrikbetrieb und -automatisierung durchgeführt. Bedingt durch Umwelteinflüsse haben in den letzten Jahren die Stresssituationen für Waldbestände zugenommen. Die Erfassung der daraus resultierenden Schäden erfolgt vor Ort durch die für das Gebiet zuständigen Forstbeamten. Die Erfassung der Schäden vor Ort ist mit einem erheblichen Zeitaufwand verbunden. Da diese Schäden hohe Kosten verursachen und zu erheblichen Wertverlusten führen können, sind für die Forstverwaltungen effiziente Verfahren zur Erfassung dieser Schäden von größter Bedeutung. Ein Erfolg der einzuleitenden Gegenmaßnahmen hängt in vielen Fällen von einer schnellen Reaktion ab, weshalb eine zeitnahe Erfassung erforderlich ist. Das Spektrum möglicher Stresssituationen ist in Waldbeständen sehr breit, da jede Baumart ihre speziellen Schädigungsformen aufweist. Innerhalb dieses Spektrums werden im Rahmen des Projektes speziell Untersuchungen zur Erkennung stressbedingter Veränderungen, die durch Eichenfraßgesellschaften verursacht werden, sowie Untersuchungen zur Bestimmung eines allgemeinen Vitalitätsindex von Waldbeständen durchgeführt. Erforscht werden dabei die Möglichkeiten und erzielbaren Effekte der Anwendung der Hyperspektraltechnik mit einer nachgelagerten Mustererkennung. Mit dem Vorhaben soll so ein Beitrag zur Vorbereitung schneller, sicherer und umweltschonender Maßnahmen zur Früherkennung und Prävention von Kalamitätsfällen geleistet werden. Ziel des Vorhabens ist im ersten Schritt die Erstellung eines Expertensystems (neuronales Netz) zur automatischen Detektion stressbedingter Stoffwechselzustände bei spezifizierten Baumarten und Stressfaktoren. Im zweiten Schritt die Anpassung (Training) der Auswertungsalgorithmen an spezifische Einsatzfälle (Vorsorge, Erfolgskontrolle) und regionale Spezifika (Kalibrierungsbasis). Im dritten Schritt erfolgt die Ableitung von Handlungsempfehlungen zur Vorbereitung schneller, sicherer und umweltschonender Maßnahmen zur Früherkennung und Prävention bzw. Bekämpfung von Kalamitätsfällen sowie Übertragung der Algorithmen und Vorgehensweisen auf andere Flächen und Kalamitätsfälle.
Das Projekt "Prozessvorhersage zur Regelung von Müllverbrennungsanlagen mit neuronalen Netzen" wird vom Umweltbundesamt gefördert und von CUTEC-Institut GmbH durchgeführt. Übergeordnetes Ziel des Vorhabens ist die Entwicklung eines hybriden, modularen Neuronalen Netzwerks zur Modellierung des Verbrennungsprozesses in Rostfeuerungsanlagen, wobei die zugrunde liegende Rostbauart aufgrund der allgemeingültigen Konzipierung und des adaptiven Charakters der einzelnen Netze keine Rolle spielt. Das neuronale Modell ermöglicht dann (ohne die Notwendigkeit eines vollständigen mathematischen Modells) die Vorhersage kommender Betriebszustände und kann somit als Grundlage für modellprädiktive Regelungsstrategien dienen. Der Blick in die unmittelbare Zukunft des Prozessgeschehens erlaubt es, frühzeitig auf zu erwartende Abweichungen vom gewünschten Betriebszustand zu reagieren, was einen gleichmäßigeren Verbrennungsprozess und mithin eine wirtschaftlichere Fahrweise sowie eine verbesserte Einhaltung der gesetzlich vorgeschriebenen Emissionsgrenzen zur Folge hat. . Das zu entwickelnde System besteht aus mehreren Arten Neuronaler Netze mit unterschiedlichen Aufgaben. So wird erstmalig ein Klassifikator entwickelt, der selbständig in der Lage ist, die Signifikanz einzelner Betriebszustände zu beurteilen, um die Lernphase zu optimieren. Damit sind die Netze in der Lage, aus der für das Training verfügbaren großen Menge geregelter Betriebsdaten solche Situationen zu extrahieren, die für die Lernphase besonders relevant sind. Ein weiteres neuronales Modul hat die Aufgabe, Änderungen der Betriebsgrößen bzgl. ihres zeitlichen Verhaltens ZU analysieren, um ein optimales dynamisches Zeitfenster für die Vorhersage zu bestimmen. Grundlage dieses Moduls ist die Untersuchung von Aktivitätsgradienten in selbstorganisierenden Netzen, um Prozessschwankungen erkennen und klassifizieren zu können. Statt der herkömmlichen Verwendung starrer Zeitfenster wird daraufhin eine flexiblere, ereigniscodierte Darstellung des Prozessverlaufes implementiert, wodurch effizient auf unterschiedlich schnell wirkende Stellgrößeneinflüsse reagiert werden kann. Dies erlaubt eine frühere und wesentlich robustere Erkennung von Änderungen der Betriebsgrößen und deren Auswirkungen. Das Gesamtsystem soll auf drei unterschiedlichen Rostbauarten (Walzen-, Rück- und Vorschubrost) sowohl im Technikumsmaßstab als auch an Großanlagen eingesetzt und auf seine Vorhersagegüte und seine Robustheit bzgl. seltener Situationen getestet werden. Verschiedene Großanlagenbetreiber haben bereits Interesse bekundet und sich zur Kooperation bereit erklärt.
Das Projekt "Entwicklung, Implementierung eines Entscheidungshilfesystems fuer den Wasserstandsvorhersagedienst" wird vom Umweltbundesamt gefördert und von Bundesamt für Seeschifffahrt und Hydrographie durchgeführt. Durch Eigenentwicklung werden die einzelnen Elemente des EHS erstellt und miteinander verknuepft. Zu diesen Elementen gehoeren: - operationelle Wasserstands- und Winddatensaetze, in der die Daten internationaler und nationaler Messnetze jederzeit zugriffsbereit abgelegt werden, - verschiedene Vorhersageverfahren fuer die Stauentwicklung in der Deutschen Bucht, die in anderen FuE-Vorhaben oder im Rahmen der dienstlichen Aufgaben entwickelt werden (z.B. Verfahren mit Hilfe neuronaler Netze), Implementation des konventionellen statistischen Verfahrens, spezielles Sturmflutvorhersagemodell), - verschiedene Vorhersageverfahren, fuer die Elbe (empirisch-statistisches Verfahren und zwei numerische Elbemodelle). Durch Integration des von der Firma 'Meister Computer-Service' angebotenen Service (Computer gesteuerte Verbreitung der Warnungen, Telefonansage der taeglichen Vorhersagen) wird die Verwaltung und Weitergabe der erstellten Vorhersagen und Strumflutprognosen sichergestellt.
Das Projekt "Anwendungsmoeglichkeiten neuartiger EDV-gestuetzter Erkennungsmethoden zur Identifizierung gefaehrlicher Betriebszustaende in Chemieanlagen" wird vom Umweltbundesamt gefördert und von Forschungszentrum Roßendorf e.V., Institut für Sicherheitsforschung durchgeführt. Das Vorhaben soll einen Beitrag zur operatorunabhaengigen Beurteilung des Prozess- und Anlagenzustandes chemischer Reaktoren leisten. Zu diesem Zweck soll eine zusaetzliche, auf Mustererkennungsmethoden basierende Ueberwachungsmethode fuer die Identifizierung gefaehrliche Betriebszustaende entwickelt werden, um den Anlagenoperator insbesondere in kritischen Situationen durch Entscheidungshilfen und Handlungsempfehlungen zu unterstuetzen. Im Rahmen eines Verbundprojektes wird dieses Forschungsvorhaben gemeinsam mit dem Institut fuer Umwelt-, Sicherheits- und Energietechnik Oberhausen bearbeitet, das fuer den Bau einer Versuchsanlage und eines Prozesssimulators verantwortlich ist, an denen die im Forschungszentrum Rossendorf entwickelten Mustererkennungsverfahren angelernt und getestet werden. Nach vorliegendem Kenntnisstand scheinen fortgeschrittene Klassifikationsverfahren wie neuronale Netze und Fuzzy-Klassifikatoren, die auf analoge Prozesssignale, binaere Statussignale sowie zusaetzliche Prozess- und Anlagenkenngroessen angewendet werden, fuer die Klassifikation des Prozess- und Anlagenzustandes von Chemieanlagen im Zusammenhang mit der Bewertung deren Sicherheit geeignet zu sein. Das Training der Klassifikatoren erfolgt auf der Basis von Versuchen an Laborreaktoren, Prozesssimulationen und Betriebserfahrungen der Operatoren. Die Leistungfaehigkeit der Ueberwachungsmethode soll fuer einen exothermen chemischen Referenzprozess in einer Versuchsanlage nachgewiesen werden.
| Origin | Count |
|---|---|
| Bund | 11 |
| Type | Count |
|---|---|
| Förderprogramm | 11 |
| License | Count |
|---|---|
| open | 11 |
| Language | Count |
|---|---|
| Deutsch | 11 |
| Englisch | 1 |
| Resource type | Count |
|---|---|
| Keine | 8 |
| Webseite | 3 |
| Topic | Count |
|---|---|
| Boden | 5 |
| Lebewesen & Lebensräume | 8 |
| Luft | 5 |
| Mensch & Umwelt | 11 |
| Wasser | 6 |
| Weitere | 11 |