04 Fakultät Energie-, Verfahrens- und Biotechnik
Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/5
Browse
1 results
Search Results
Item Open Access Neural modelling of the spatial distribution of air pollutants : a new method developed considering as example Cyprus(2006) Pfeiffer, Heiko; Blümel, W. D. (Prof. Dr.)Das Ziel dieser Arbeit war die Entwicklung einer Methode zur Berechnung der flächenhaften Verteilung von Luftverunreinigungen. Atmosphärische Ausbreitungsmodelle modellieren die Verteilung von Gasen oder Partikel anhand mathematisch formulierbarer Wirkmechanismen. Messergebnisse von Luftverunreinigungen werden nur zur Validierung der berechneten Verteilung, bzw. zur Modellentwicklung eingesetzt. Jedoch ist die Verwendung vieler, gut verteilter Messdaten als Modelleingabe die einzige Möglichkeit, die tatsächlich existierende Verteilung der gesuchten Komponente zu berücksichtigen. Mit einem Netz von Passivsammlern kann eine solche Verteilung kostengünstig und zeitgleich erhoben werden. Im Rahmen des UNOPS-Projekts "Preliminary Assessment of Ambient Air Quality in Cyprus" wurde an 270 Punkten NO2 Passivsammler in sechs Messkampagnen exponiert. Auf diese Weise entstand eine gute Datenbasis für die Entwicklung einer Methode, mit der man die tatsächlich gemessene Verteilung von Luftverunreinigungen berücksichtigen kann. Darüber hinaus sollte man bei einem realitätsnahen Modell die wichtigsten Einflüsse, wie etwa die Bevölkerungsdichte oder die Emissionsverteilung miteinbeziehen. Gegenwärtig erfüllen drei Verfahren diese Anforderungen: Regressionsmodelle, Interpolation und Künstliche Neuronale Netze. Künstliche Neuronale Netze sind derzeit die einzige Möglichkeit, ein Modell unter Berücksichtigung der obengenannten Kriterien zu entwickeln. Der heute meistverwendete Netzwerktyp im Bereich Luftqualitätsmodellierung ist das sogenannte "Multilayer Perceptron", das auch im Rahmen dieser Arbeit zum Einsatz kam. Im Trainingsmodus wurde ein sogenannter kontrollierter Lernalgorithmus verwendet, bei dem der Anwender das Netz mit Ein- und bekannten Ausgangsvariablen, also Luftverunreinigungsmessungen trainiert. Die Aufgabe des neuronalen Netzes ist das Erlernen der zumeist nichtlinearen Zusammenhänge zwischen Ein- und Ausgabe. Zu diesem Zweck wurde ein Analysegitter mit 1x1 km Kantenlänge über das Untersuchungsgebiet Zypern gelegt und jeder Gitterzelle wurden die entsprechenden Eingabevariablen, wie etwa die UTM-Koordinaten zugeordnet. Bei den Gitterzellen mit Passivsammlern konnten die Zusammenhänge zwischen Eingabe und Ausgabe ermittelt und anschließend auf alle anderen Zellen übertragen werden. Im Laufe der Entwicklung wurden alle verfügbaren Variablen in uni- und multivariaten Modellen getestet. Mit den UTM-Koordinaten als Eingangsdatensatz konnte zunächst eine neuronale Interpolation erzielt werden. Das Ergebnis war eine vereinfachte Interpolationskarte mit NO2 Konzentrationen von 30 bis 40 μg/m³ in den Städten und geringeren Konzentrationen in ländlichen Gebieten. Bemerkenswert sind hierbei unrealistische, gerade Streifen von NO2 Konzentrationen um 20 μg/m³, welche die Städte Nicosia, Limassol und Larnaka miteinander verbinden. Anschließend wurde dem Analysegitter ein digitales Höhenmodell angepasst und das Netzwerk mit den resultierenden Höhenwerten trainiert. Auch hier traten physikalisch unmögliche Werte auf, wie etwa hohe NO2 Konzentrationen in Flusstälern. Ein sehr wichtiger Einfluss auf die Verteilung von Luftverunreinigungen sind die atmosphärischen Ausbreitungsbedingungen. Da alle meteorologischen Parameter ständig variieren ist es unmöglich ein mittleres Windfeld zu berechnen. Windstatistiken wären eine mögliche Lösung, können jedoch nicht direkt als Eingabe verwendet werden, da es sich im Falle der Windrichtung um eine Verteilung von mehreren Werten handelt. Um dennoch die Ausbreitungsbedingungen zu berücksichtigen, wurden Abgasfahnen der wichtigsten Emissionsquellen in Zypern berechnet. Methodisch kamen hierbei das Gauß-Modell P&K 3782 und statistische Analyseverfahren wie Regressionsanalysen zum Einsatz. Die Ergebnisse wurden mit einem neuen rechnerischen Ansatz auf das Analysegitter verteilt, wobei das Konzept der "Distributed Emissions" entwickelt wurde. Mit diesem Input für das Neuronale Netz konnte bereits eine sehr genaue NO2 Immissionskarte berechnet werden, auf der die Lage der Quellen und deren Emissionsstärken gut wiedergegeben werden. Nach den oben beschriebenen univariaten Modellen wurden multivariate Berechnungen durchgeführt, um auch noch die vorhandenen weiteren Einflussparametern miteinzubeziehen. Alle Modelle mit UTM-Koordinaten und Höhenwerten als Eingabe produzierten wiederum unrealistische Verteilungsmuster. Das beste Ergebnis konnte mit einem Neuronalen Netzwerk erzielt werden, das mit "Verteilten Emissionen" und der Populationsdichte trainiert wurde. Diese Modellkonfiguration bewahrte die positiven Aspekte der univariaten Ansätze und machte außerdem noch weitere Quellen wie Dörfer deutlich sichtbar. Eine realistische, fein strukturierte Immissionskarte von Zypern ist das Resultat dieser Berechnungen.