Farid Mohammadi,
Doktorand im SFB 1313, gewinnt den Aqua Studienpreis 2018 für seine Masterthesis mit dem Titel "Bayesian selection for hydro-morphodynamic models under computational time constraints".
Herr Mohammadi hat in dem von ihm entwickelten Framework viele statistische Methoden zusammengebracht, die im Bereich der Modellauswahl der Sedimenttransportgleichung zur Darstellung der Hydro-Morphodynamik natürlicher Flüsse von Bedeutung sind. Hierdurch hat er einen praxisrelevanten wissenschaftlichen Beitrag für das Management von Fluss-Sedimentvorkommen geliefert.
Zusammenfassung der Masterarbeit
Ein gutes Verständnis hydro-morphodynamischer Prozesse spielt eine große Rolle im modernen Flussmanagement, um seine oft widersprüchlichen Funktionsziele in Einklang zu bringen. Im letzten Jahrhundert wurde eine Vielzahl von Modellen entwickelt, die mit Hilfe mehrerer empirischer Formulierungen unsere Erkenntnisse zum Sedimenttransport und die daraus resultierenden Veränderungen in der Flussbettstruktur verbessern. Daher ist es notwendig, ein Framework für die Modellauswahl zu schaffen, um Messungen bestmöglich wiederzugeben.
Im Rahmen dieser Masterarbeit wurde ein 'Bayes'sches Model Selection (BMS) Framework' entwickelt, um den Modellierer darin zu unterstützen, die robusteste und sinnvollste Beschreibung der hydro-morphodynamischen Bedingungen des untersuchten Flusses zu finden.
Das vorgeschlagene Framework verwendet die 'Bayesian Model Evidence' (BME) als Maßstab für die Modellbewertung der konkurrierenden Modelle. Dieses resultiert aus dem 'Bayesian Model Averaging' (BMA). Das BMA versucht einen Kompromiss zwischen Verzerrung und Varianz zu erzielen, d.h. es findet eine Balance zwischen einem Maß für die Güte der Anpassung und einer Strafe für unannehmbare Modellkomplexität. Dieser Ansatz erfordert viele Modellsimulationen, die rechenintensiv sind. Die Rechenzeit kann jedoch mittels der Arbiträren Polynomial Chaos-Technik (aPC) erheblich verringert werden. Hierbei handelt es sich um ein reduziertes Ersatzmodell, das alle für die Kalibrierung relevanten Parameter mit hoher Ordnungsgenauigkeit aufweist.
Das vorgeschlagene Framework wurde anhand zweier Modelle getestet: Zum einen das Testfall-Modell, basierend auf einem Experiment von Yen und Lee (1995) und zum anderen ein Flussmodell eines 10 km langen Abschnitts des Niederrheins, welches von der Bundesanstalt für Wasserbau (BAW) in Karlsruhe bereitgestellt wurde. Die Ergebnisse zeigen, dass das Framework in der Lage war, ein gewünschtes Modell zu ermitteln, bei dem eine gute Übereinstimmung zwischen den Simulationsergebnissen und den Messdaten bestand, auch wenn die vollständige Kenntnis der Ausgangsparameter fehlte. Darüber hinaus führte das BMS-Framework zu den wahrscheinlichsten Parameterregionen zur Optimierung per Wahrscheinlichkeitsdichteverteilungen von unsicheren Variablen.