2015
Iterative Optimization of a Multi-compartmental Air Quality Modelling System
TOMÁŠ, Martin, Tomáš REBOK a Christos EFSTATHIOUZákladní údaje
Originální název
Iterative Optimization of a Multi-compartmental Air Quality Modelling System
Název česky
Iterativní optimalizace systému pro modelování kvality ovzduší
Autoři
TOMÁŠ, Martin (203 Česká republika, garant, domácí), Tomáš REBOK (203 Česká republika, domácí) a Christos EFSTATHIOU (300 Řecko, domácí)
Vydání
první. Brno, Tenth Doctoral Workshop on Mathematical and Engineering Methods in Computer Science (MEMICS 2015), od s. 70-81, 12 s. 2015
Nakladatel
MEMICS 2015
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
tištěná verze "print"
Odkazy
Kód RIV
RIV/00216224:14610/15:00087331
Organizační jednotka
Ústav výpočetní techniky
ISBN
978-80-214-5254-1
Klíčová slova česky
perzistentní organické polutanty;POP;iterativní optimalizace CMAQ;neuronové sítě;koncentrace BaP v půdě
Klíčová slova anglicky
Persistent Organic Pollutants;POP;CMAQ iterative optimization;neural networks; BaP concentrations in soil
Štítky
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 20. 4. 2016 16:42, RNDr. Tomáš Rebok, Ph.D.
V originále
In this paper, we present an application for iterative optimization of a multi-compartment environmental fate and transport modelling system based on atmospheric measurements of Persistent Organic Pollutants (POPs) from the European Monitoring and Evaluation Programme (EMEP). The modelling framework involved linking science models such as the Weather Research and Forecasting (WRF) model and an experimental version of the Community Multiscale Air Quality System (CMAQ) that includes treatment of POPs species in the atmosphere, and an soil compartment that simulates the soil-air exchange. The initialization step of multi-compartment models for POPs is plagued by uncertainties in estimating the current soil burden and spatial distributions. The goal of this work is to demonstrate a first application of the modelling framework which aims to improve the reliability of modelled POP estimates in air by controlling the additional fluxes from the soil compartment. Using several machine learning methods, the system is able to make the current simulations better correspond to real complex processes occurring in the environment.
Česky
Článek představuje aplikaci pro iterativní optimalizaci systému pro modelování kvality ovzduší, která má za úkol zpřesnit již známé koncentrace perzistentních organických polutantů v půdě. Navržená aplikace se snaží v rámci několika iterací, jejichž počet je pevně určen, volit nejvhodnější koncentrace polutantů v půdě na základě odchylek mezi reálnými koncentracemi a hodnotami odsimulovanými pomocí vybraného nástroje (označovaného CMAQ). Pro inteligentní volbu nových koncentrací perzistentních organických polutantů v půdě bylo navrženo několik optimalizačních metod, které mají za úkol zrychlit konvergenci výstupů modelovacího nástroje k reálným měřením. Nejkomplexnější část navržené aplikace představuje modul strojového učení, který je schopen s pomocí vytvořených optimalizačních metod předpovídat vhodné koncentrace polutantů v půdě pro další iteraci výpočtů.
Návaznosti
| ED3.2.00/08.0144, projekt VaV |
|