 | |
Η αβεβαιότητα των παραμέτρων εισόδου στα μοντέλα ποιότητας αέρα περιορίζει τις προγνωστικές ικανότητες του συστήματος. Ωστόσο, μελέτες ευαισθησίας χρησιμοποιώντας παραδοσιακές στατιστικές μεθόδους όπως η Monte Carlo δεν είναι εφικτές για τρισδιάστατα μοντέλα κυρίως εξαιτίας των υπολογιστικών τους απαιτήσεων. Ως εκ τούτου, διεξοδική και εκτενής μελέτη ανάλυσης ευαισθησίας τρισδιάστατων μοντέλων ποιότητας αέρα αποτελεί την εξαίρεση και όχι τον κανόνα. Η παρούσα μελέτη εισάγει μια εναλλακτική και υπολογιστικά εφικτή μέθοδο ανάλυσης ευαισθησίας. Με αφετηρία τη θεωρία διαταραχών, οι αβεβαιότητες των παραμέτρων εισόδου εκτιμώνται μέσω μιας σειράς μερικών παραγώγων. Η ενσωμάτωση των μερικών παραγώγων και η ταυτόχρονη δημιουργία του ενισχυμένου κώδικα (S - CAMx = ~ 50000 γραμμές κώδικα) για το τρισδιάστατο μοντέλο ποιότητας αέρα CAMx (~35000 γραμμές κώδικα) πραγματοποιείτε με το εργαλείο αυτόματης διαφοροποίησης ADIFOR. Η εξακρίβωση του S-CAMx πραγματοποιείται σε επικράτειες με θεμελιώδεις δι ...
Η αβεβαιότητα των παραμέτρων εισόδου στα μοντέλα ποιότητας αέρα περιορίζει τις προγνωστικές ικανότητες του συστήματος. Ωστόσο, μελέτες ευαισθησίας χρησιμοποιώντας παραδοσιακές στατιστικές μεθόδους όπως η Monte Carlo δεν είναι εφικτές για τρισδιάστατα μοντέλα κυρίως εξαιτίας των υπολογιστικών τους απαιτήσεων. Ως εκ τούτου, διεξοδική και εκτενής μελέτη ανάλυσης ευαισθησίας τρισδιάστατων μοντέλων ποιότητας αέρα αποτελεί την εξαίρεση και όχι τον κανόνα. Η παρούσα μελέτη εισάγει μια εναλλακτική και υπολογιστικά εφικτή μέθοδο ανάλυσης ευαισθησίας. Με αφετηρία τη θεωρία διαταραχών, οι αβεβαιότητες των παραμέτρων εισόδου εκτιμώνται μέσω μιας σειράς μερικών παραγώγων. Η ενσωμάτωση των μερικών παραγώγων και η ταυτόχρονη δημιουργία του ενισχυμένου κώδικα (S - CAMx = ~ 50000 γραμμές κώδικα) για το τρισδιάστατο μοντέλο ποιότητας αέρα CAMx (~35000 γραμμές κώδικα) πραγματοποιείτε με το εργαλείο αυτόματης διαφοροποίησης ADIFOR. Η εξακρίβωση του S-CAMx πραγματοποιείται σε επικράτειες με θεμελιώδεις διαφορές στην τοπογραφία, τις εκπομπές και τη φωτοχημεία και συγκεκριμένα στην Αθήνα, το Μιλάνο και το Λονδίνο. Σε κα΄θε περίπτωση το S-CAMx χρειάστηκε μιά και μόνο προσομοίωση ώστε να παρέχει πληροφορίες για τη διάδοση τωνδιαταραχών σε όλες τις παραμέτρους εισόδου. Επιπρόσθετα, η μεγαλύτερη μη - γραμμικότητα εντοπίστηκε στις διαταραχές των εκπομπών VOC.
περισσότερα
Περίληψη σε άλλη γλώσσα
Uncertainties in the input parameters of an air quality model affect the prognostic skills of the system. However, comprehensive sensitivity analysis using traditional statistical methods like Monte Carlo are not effective for 3D models mainly due to their computational demands. Hence, in depth sensitivity analysis of 3D air quality models remains the exception and not the rule. The present work studies an alternative and computationall efficient sensitivity analysis method. The uncertainties in the input parameters are evaluated through a senses of partial derivatives. For this reason, an enhanced region of the 3D air quality model CAMx has been generated (S-CAMx) by utilising the automatic differentation tool ADIFOR. The validation of S-CAM and the interpretation of the sensitivity information is performed for domains with fundamental differences in topography, emissions and photochemistry, namely in Athens, Milan and London (AUTO - OIL II data). In every case, the S-CAMx needed ...
Uncertainties in the input parameters of an air quality model affect the prognostic skills of the system. However, comprehensive sens