Numerical and Data-Driven Modelling in Coastal, Hydrological and Hydraulic Engineering
In dem Buch werden aktuelle Studien vorgestellt, die sich mit den Herausforderungen der prädiktiven Modellierung und den Anwendungen befassen. Es werden fortgeschrittene numerische Techniken für genaue und effiziente Echtzeitvorhersagen und optimales Management im Küsten- und Wasserbau untersucht.
So werden beispielsweise adaptive unstrukturierte Netze eingeführt, um die wichtige Dynamik zu erfassen, die über eine Reihe von Längenskalen hinweg wirkt. Deep-Learning-Techniken ermöglichen schnelle und genaue Modellierungssimulationen und ebnen den Weg für Echtzeitprognosen und die Steuerung der Gesamtoptimierung im Zeitverlauf, wodurch die Rentabilität verbessert und Risiken gemanagt werden. Der Einsatz von Datenassimilationstechniken bezieht Informationen aus Experimenten und Beobachtungen ein, um Unsicherheiten in Vorhersagen zu verringern und die Vorhersagegenauigkeit zu verbessern.
Gezielte Beobachtungsansätze können verwendet werden, um zu ermitteln, wann, wo und welche Arten von Beobachtungen die größte Verbesserung für spezifische Modellvorhersagen zu einem zukünftigen Zeitpunkt bieten würden. Solche gezielten Beobachtungen sind wichtig, da sie den effektivsten Einsatz der verfügbaren Überwachungsressourcen ermöglichen.
Die Kombination von Deep Learning und Datenassimilation ermöglicht eine schnelle und genaue Reaktion in Notfällen. Die hier erörterten Technologien können auch eingesetzt werden, um die Empfindlichkeit der Ergebnisse für verschiedene Betriebsbedingungen in Technik und Management zu bestimmen und so der Öffentlichkeit und den politischen Entscheidungsträgern zuverlässige Informationen zu liefern.
| ISBN: | 9783036509563 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
