API src

Found 420 results.

Related terms

BSCALE: Downscaling von Niederschlag: Entwicklung, Kalibrierung und Validierung eines Bayes'schen probabilisitischen Ansatzes.

Das Projekt "BSCALE: Downscaling von Niederschlag: Entwicklung, Kalibrierung und Validierung eines Bayes'schen probabilisitischen Ansatzes." wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Siegen, Forschungsinstitut Wasser und Umwelt, Lehrstuhl Wasserwirtschaft.Downscaling von Atmosphärenmodellausgaben, insbesondere von Niederschlagsdaten, ist erforderlich um Variablen von der niedrigaufgelösten Skala des Modells zur Punktskala des Standortes hin zu transformieren, auf der die entsprechenden Variablen für praktische Anwendungen genutzt werden. Dazu gehören unter anderem, das Füllen von Datenlücken, hydrologische oder glaziologische Anwendungen, Klimaprognosen, Anwendungen in der Bewässerung oder Vorhersagen für Energieversorger. Statistisches Downscaling besteht darin, stochastische Beziehungen zwischen Beobachtungen oder Modellausgaben auf großer Skala, die als Prädiktoren dienen, und die an einem Standort zu schätzende Größe, dem Prädiktand, herzustellen. Die dazu angewandten Beziehungen sind häufig lineare Regressionen, es kommen aber auch nicht-lineare Transformationen, wie nicht-lineare Regressionen oder das Quantile-Matching zur Anwendung. In besagten Fällen wird ein stationärer, homoskedastischer Zusammenhang zwischen stochastischen Variablen angenommen, die zwar den bedingten Erwartungswert, aber nicht die Ränder der Verteilung, welche die meteorologischen Extreme abbilden, adäquat transformieren. Im vorliegendem Antrag wird ein probabilistischer Prozessor für das Downscaling von Niederschlagsdaten als Ansatz vorgeschlagen, der als bedingter Bayesscher Prozessor implementiert wird und die nicht-lineare Umformungen zwischen Prädiktoren von der Meso-Skala hin zur Skala eines Standortes unterstützt. In diesem Zusammenhang werden stochastische Zusammenhänge zwischen Prädiktoren und Prädiktanden im Gaußschen Raum modelliert. Die Methode ermöglicht es, mehrere Indikatoren innerhalb eines räumlichen Fensters von Modellzellen gleichzeitig zu verwenden, und kann auf die Anwendung von Prädiktoren, die von mehreren unterschiedlichen Vorhersagemodellen stammen, ausgeweitet werden. Durch die Anwendung multivariater abgeschnittener Normalverteilungen können auch heteroskedastische Beziehungen von stochastischen Variablen abgebildet, analytisch nach den Prädiktoren marginalisiert und anschließend in den Herkunftsraum zurücktransformiert werden. Das Downscaling der Schätzung des Prädikanten von der Skala der Modellzelle auf den Standort erfolgt anschließend mit Hilfe eines nicht-Markovschen, nicht-stationären stochastischen Wettergenerators. Sowohl der Bayessche Prozessor als auch der stochastische Wettergenerator müssen über ein ausreichend weites Zeitfenster anhand von Beobachtungsreihen und Simulationsergebnissen geeicht und validiert werden.

Forschungsgruppe (FOR) 2589: Zeitnahe Niederschlagsschätzung und -vorhersage; Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP), Evaluierung von Verbesserungen in QPE und QPN in einem Echtzeit-vorhersagesystem für Abfluss und Überflutungen mit Datenassimilatio

Das Projekt "Forschungsgruppe (FOR) 2589: Zeitnahe Niederschlagsschätzung und -vorhersage; Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP), Evaluierung von Verbesserungen in QPE und QPN in einem Echtzeit-vorhersagesystem für Abfluss und Überflutungen mit Datenassimilatio" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Forschungszentrum Jülich GmbH, Institut für Bio-und Geowissenschaften (IBG), IBG-3 Agrosphäre.Echtzeitvorhersagen von Abfluss und Überflutungen stellen eine große Herausforderung dar, auch weil Wettervorhersagen konvektive Starkregenereignisse auf der stündlichen Sub-Kilometerskala noch nicht mit ausreichender Qualität vorhersagen können. Das führt zu unvorhergesehenen Überflutungen und großen Schäden öffentlichen Eigentums und Infrastruktur und potentiell zu Todesopfern. Bekannte Beispiele in der Region des Geoverbundes ABC/J sind die Sturzfluten in Wachtberg am 3. Juli 2010 und am 6. Juni 2016. Das Projekt wird ein neuartiges, probabilistisches Echtzeitvorhersagesystem für Abfluss und Überflutungen in kleinen Einzugsgebieten (kleiner als 500 km2) entwickeln. Das Projekt konzentriert sich auf die Einzugsgebiete Wachtberg, Ammer und Bode. Wir werden QPE, QPN und QPF (quantitative Niederschlagsschätzung, Nowcasting und numerische Vorhersage), die Produkte von P1, P2 und P3 in dem Vorhersagesystem verwenden, um die erreichten Verbesserungen in RealPEP zu bewerten. Ein wichtiger Aspekt des Projektes ist die Verwendung verschiedener hydrologischer Modelle (konzeptionell und physikbasiert) für die Flutvorhersage. Wir werden den Mehrwert und die Limitierungen der verschiedenen Modelle (und Datenassimilierungsverfahren) identifizieren. Konzeptionelle Modelle profitieren hauptsächlich von der Optimierung/Kalibrierung des Abflusses und der Möglichkeit schnell, große Ensemble berechnen zu können; physikbasierte Modelle dagegen haben den Vorteil verschiedenartige Beobachtungsdaten verarbeiten zu können und Prozesse besser abzubilden, wodurch eine einfachere Übertragbarkeit auf andere Einzugsgebiete ohne Kalibration möglich ist. Schlussendlich werden wir untersuchen ob die verschiedenen Ansätze sich ergänzende Information zu Echtzeitvorhersage von Überflutungen liefern können.

Probability Assessment of Spill Flow Emissions

Das Projekt "Probability Assessment of Spill Flow Emissions" wird/wurde ausgeführt durch: Technische Universität Graz, Institut für Siedlungswasserwirtschaft und Landschaftswasserbau.Real time control will get more important to reduce CSO emissions. Most of the already existing real time control strategies minimize spill flows from the viewpoint of volume minimization. For receiving water the reduction of emissions is much more important. Measured waste water data and probabilistic approach of these data are the focal points in this research. With an UV-VIS spectrometer installed in a swimming pontoon absorption is measured directly and constant. Based on absorption measurements waste water time series curves of COD, TSS and nitrate are shown. A forecast of CSO emissions and the adjustment of ANN for the control system will be the next step included for this project. By statistical evaluation of rain and measured waste water data as well as forecast of CSO emissions with ANN, spill loads can be reduced. The results of this research are basis for future real time control of CSOs in Graz (Austria).

Analyse und Nowcasting von konvektiven Systemen mit VERA

Das Projekt "Analyse und Nowcasting von konvektiven Systemen mit VERA" wird/wurde gefördert durch: Fonds zur Förderung der Wissenschaftlichen Forschung. Es wird/wurde ausgeführt durch: Universität Wien, Institut für Meteorologie und Geophysik.Die genaue Vorhersage von Gewittern ist sowohl für die Wissenschaft als auch für die Öffentlichkeit ein wichtiges Anliegen, da konvektive Ereignisse im Sommer zu den größten Naturgefahren in unseren Breiten gehören. Um die Entstehungsprozesse von Gewittern genauer zu verstehen, ist eine Untersuchung von Konvektion auf einer hoch auflösenden Skala nötig. Nur damit kann man den heutigen Anforderungen an die Vorhersage (in Bezug auf Zeit, Raum und Intensität) gerecht werden. Zu diesem Zweck wird im nächsten Jahr im Rahmen von zwei internationalen Projekten (COPS und MAP D-PHASE) im Süden von Deutschland eine groß angelegte Messkampagne durchgeführt. Das Hauptziel dieser Kampagne ist die Erstellung eines hochwertigen Datensatzes für die Untersuchung konvektiver Prozesse, von der Auslösung von Konvektion über die Wolken- und Niederschlagsbildung bis hin zur Untersuchung von Wolkenchemie und Hydrometeoren. Damit sollen meteorologische (und hydrologische) Vorhersagen für konvektive Ereignisse verbessert werden. Sowohl bei COPS (Convective and Orographically-induced Precipitation Study; Teil des Priority Program SSP 1167 der Deutschen Forschungsgemeinschaft) als auch bei MAP D-PHASE (Mesoscale Alpine Program Demonstration of Probabilistic Hydrological and Atmospheric Simulation of flood Events in the Alpine region, ein von der Welt-Meteorologischen Organisation gefördertes Projekt) ist das Institut für Meteorologie und Geophysik in der Planungsphase vertreten. Im Rahmen des vorgeschlagenen Projektes soll die Messkampagne durch den Einsatz eines eigenen Meso-Messnetzes und Personal unterstützt werden, womit ein wichtiger Beitrag zu dem einmaligen Datensatz, der durch den Einsatz verschiedenster Messsysteme (Bodenstationen, Dopplerradar, Lidar, Satelliten, Flugzeuge, Radiosonden, ...) zu Stande kommt, geleistet wird. Mit Hilfe der Daten aus der Feldkampagne soll im Zuge des Projektes das Analyseverfahren VERA, das im Rahmen von FWF-Projekten am Institut entwickelt worden ist, einerseits für das Nowcasting von Gewittern, andererseits zur genaueren Niederschlagsanalyse, weiterentwickelt werden. Für beide Entwicklungsschritte wird dem Fingerprint-Ansatz, mit dem Zusatzinformation für das Downscaling meteorologischer Felder in die VERA-Analyse implementiert werden kann, eine wichtige Rolle zukommen. Dieser Ansatz wird für 3 Dimensionen, mehrere Fingerprints und höhere Auflösungen (bis 1km Gitterdistanz) erweitert. Mittels des Datensatzes werden neue Fingerprints entwickelt, die dazu beitragen werden, die Analysegenauigkeit für den Niederschlag und die Vorhersagbarkeit von Gewittern in Echtzeit mit Routinedaten zu verbessern. Das fertig entwickelte Analyseverfahren soll dann in einem weiteren Schritt zur Echtzeit-Validierung von hoch auflösenden Wettermodellen verwendet werden, wobei ein neuer Ansatz des Vergleiches zum Tragen kommt. Auch dadurch wird ein Beitrag zur besseren Vorhersagbarkeit von Gewittern geleistet.

NWP-Modellverifikation über komplexem Gelände mit VERA

Das Projekt "NWP-Modellverifikation über komplexem Gelände mit VERA" wird/wurde gefördert durch: Fonds zur Förderung der Wissenschaftlichen Forschung. Es wird/wurde ausgeführt durch: Universität Wien, Institut für Meteorologie und Geophysik.Seit 2003 wird am Institut für Meteorologie und Geophysik in Verbindung mit dem Analysesystem VERA (Vienna Enhanced Resolution Analysis) ein operationelles Modellvergleichssystem mit mehreren namhaften Wettervorhersagemodellen betrieben (ALADIN, ECMWF, LME). Im Rahmen des internationalen Projekts MAP D-PHASE (2007) wurde das System an eine Neuversion von VERA, VERAXX, angepasst, und um einige Modelle (COSMO, MM5, GEM-LAM) erweitert. Diese Erneuerung erlaubt, die räumliche Auflösung (bis zu 2km) und den geographischen Ausschnitt flexibel zu wählen, und so auf skalenabhängige Phänomene besser einzugehen. Im Rahmen von VERITA soll eine Reihe von hochauflösenden Modellen mit Hilfe der aktuellsten Verifikationsmethoden ausgewertet und verglichen werden. Besonders Methoden, die sich mit der spektralen Dekomposition von Modellfeldern, der getrennten Behandlung einzelner Skalen und der Bestimmung und Fortpflanzung (in Modellketten) von Phasenfehlen befassen, sollen entwickelt, getestet und eingesetzt werden. Im Zuge dieser Arbeiten, sollen aber auch Fragen bezüglich der Anwendbarkeit von VERA für Verifikationszwecke, einerseits im Vergleich mit alternativen Analysemethoden, und andererseits im Vergleich mit Beobachtungsdaten meteorologischer Stationen, beantwortet werden. Festzustellen ist z.B., ob, und ab welcher räumlichen Skala, bei welcher Stationsdichte und bei welcher Modellauflösung Analyse und (räumlich unregelmäßige) Beobachtungsdaten äquivalent einsetzbar wären. Die Datengrundlage des Projekts, hochauflösende Prognosemodelle und ein dichtes Netz an Beobachtungen, stammt von zwei internationalen Projekten, and denen das IMGW beteiligt ist: Im Rahmen von COPS (Convective and Orographically-induced Precipitation Study) wurde von Juni bis August 2007 eine Messkampagne im Gebiet Vogesen, Rheintal, Schwarzwald und Schwäbischer Alb durchgeführt. Ziel des Projekts ist ein erweitertes Verständnis von Konvektionsprozessen in der Atmosphäre. Dieses ist nötig, um die Niederschlagsvorhersagen der gängigen, feinmaschigen Lokalmodelle zu verbessern, sowie deren Fehler und Schwachstellen ausfindig zu machen. In zeitlicher Übereinstimmung mit COPS fand die Demonstrationsphase des Forecast Demonstration Projects (FDP) MAP D-PHASE (Demonstration of Probabilistic Hydrological and Atmospheric Simulation of flood Events in the Alpine region) von Juni bis November 2007 statt. In der Demonstrationsphase wurde eine durchgehende Vorhersagekette, vom Modellentwickler bis zum Anwender, für Starkniederschlags- und Überflutungsereignisse betrieben. Die Modellprognosen, die von verschiedensten Institutionen für diesen Zeitraum und für den Alpenraum gerechnet wurden, stehen den Projektpartnern ebenso für weitere wissenschaftliche Anwendungen zur Verfügung, wie die Messergebnisse aus der COPS-Region. Um die Datendichte im gesamten Alpenraum zu erhöhen, wurden zudem bei sämtlichen nationalen Wetterdiensten im Einflussbereich der Alpen zusätzliche Daten angefordert.

Vorhersage der Windleistungsverteilung für Windparks

Das Projekt "Vorhersage der Windleistungsverteilung für Windparks" wird/wurde gefördert durch: Fonds zur Förderung der Wissenschaftlichen Forschung. Es wird/wurde ausgeführt durch: Universität Innsbruck, Institut für Meteorologie und Geophysik.Methoden zur Vorhersage der Stromproduktion von Windparks in Österreich über einen Zeitraum von 6 Stunden bis 10 Tagen werden verglichen und ihre operationelle Einsetzbarkeit evaluiert. State-of-the-art Methoden, die in der Fachliteratur dokumentiert sind und neue Methoden werden implementiert. Sie verwenden deterministische und Ensemblevorhersagen eines numerischen Wettervorhersagemodells und ein mehrjähriges Archiv historischer Windpark- und numerischer Wettervorhersagedaten, das in einer Oracle-Datenbank aufgesetzt wird. Durch die Verwendung probabilistischer Methoden wird der Informationsgehalt der Vorhersagen maximiert.

LADEINFRASTRUKTUR2.0 - Optimierung des koordinierten Ausbaus und Betriebs der Ladeinfrastruktur für Elektrofahrzeuge und der Verteilungsnetze, Teilprojekt: Prognosemodule und probabilistische Netzplanung

Das Projekt "LADEINFRASTRUKTUR2.0 - Optimierung des koordinierten Ausbaus und Betriebs der Ladeinfrastruktur für Elektrofahrzeuge und der Verteilungsnetze, Teilprojekt: Prognosemodule und probabilistische Netzplanung" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz. Es wird/wurde ausgeführt durch: Universität Kassel, Fachgebiet Energiemanagement und Betrieb elektrischer Netze.Ziel dieses Projektes ist die energie- und netzwirtschaftliche Optimierung der Ladeinfrastruktur für den Hochlauf der Elektromobilität. Das Hauptergebnis des Projektes ist die Beschreibung des optimalen Technologiemixes hinsichtlich Ladetechnik, IKT-Infrastruktur, Netzausbau und bedarfsgerechtem Ladeinfrastrukturaufbau durch ganzheitliche Lade- und Netzbetriebsstrategien. Die Ziele der Universität Kassel im Teilvorhaben sind die Konzeption, Entwicklung und Umsetzung eines Zustandsschätzmoduls für unsymmetrische Niederspannungsnetze, sowie eines Prognosemoduls für die Betriebsführung, mit dem u. a. durch E-KFZ-Ladung bedingte Engpässe prognostiziert werden können. Weiterhin sind die Ziele der Universität Kassel die Konzeption, Entwicklung und Umsetzung von Probabilistik-basierter Netzausbauplanung, die in der Lage ist, Unsymmetrien zu berücksichtigen, sowie eines Frühwarnsystems, das ermitteln soll, ob operative Netzplanungsschritte durch zukünftige Drosselung von E-KFZ-Ladeleistung vermieden werden kann. Ein weiteres Ziel ist es, die strategische Netzplanung mit der operativen Netzplanung über Transformationspfade in Einklang zu bringen. Alle Entwicklungen sollen insbesondere für Netze mit hohem Anteil an E-KFZ-Ladeinfrastruktur geeignet sein.

Prediction of Structural Blade Reliability and Application for Cost Effective Blades, Teilvorhaben: Materialmodellierung und Simulation

Das Projekt "Prediction of Structural Blade Reliability and Application for Cost Effective Blades, Teilvorhaben: Materialmodellierung und Simulation" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz. Es wird/wurde ausgeführt durch: Gottfried Wilhelm Leibniz Universität Hannover, ForWind - Zentrum für Windenergieforschung, Institut für Windenergiesysteme.Das übergeordnete Ziel des Forschungsvorhabens ReliaBlade besteht im besseren Verständnis der technischen Zuverlässigkeit von Rotorblättern und der Nutzung des daraus resultierenden wirtschaftlichen Potenzials. Insbesondere Verbesserungen im Verständnis der Interaktion zwischen Fertigung bzw. Prozessführung und den Materialeigenschaften, die (Weiter-)Entwicklung von Inspektionsmethoden, die Modellvalidierung und die Ableitung probabilistischer Aussagen zur Strukturzuverlässigkeit stehen im Fokus der Arbeiten. Die Anforderungen der industriellen Anwendbarkeit und des hohen Validierungsgrades an die ReliaBlade-Entwicklungen werden durch die Full-Scale-Fertigungsversuche und die Prüfungen erfüllt. Gleichzeitig wird mit dem ReliaBlade-Vorhaben eine bessere Vernetzung der europäischen Forschungslandschaft angestrebt.

Zwanzig20 - HYPOS -H2-HD - Kunstoff-Hybrid-Hochdruck-Tanksysteme für hohe H2-Speicherdichte, Teilprojekt 4: Probabilistische Bewertung des Einsatzverhaltens gewickelter CFK-Hochdrucktanks unter Berücksichtigung von Ungänzen

Das Projekt "Zwanzig20 - HYPOS -H2-HD - Kunstoff-Hybrid-Hochdruck-Tanksysteme für hohe H2-Speicherdichte, Teilprojekt 4: Probabilistische Bewertung des Einsatzverhaltens gewickelter CFK-Hochdrucktanks unter Berücksichtigung von Ungänzen" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Fraunhofer-Institut für Werkstoffmechanik.

DeepRain: Effiziente Lokale Niederschlagsvorhersage durch Maschinelles Lernen, Verbundprojekt DeepRain: Effiziente Lokale Niederschlagsvorhersage durch Maschinelles Lernen

Das Projekt "DeepRain: Effiziente Lokale Niederschlagsvorhersage durch Maschinelles Lernen, Verbundprojekt DeepRain: Effiziente Lokale Niederschlagsvorhersage durch Maschinelles Lernen" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Deutscher Wetterdienst.

1 2 3 4 540 41 42