Environmental Sensing and Modeling (Vorlesung/Übung und Projektstudie)
Vortragende:
Prof. Jia Chen
Tutor:
M. Sc. Adrian Wenzel
Dr. Andreas Luther
Dr. Friedrich Klappenbach
Link zu TUM Online:
Angeboten im:
Sommer- und Wintersemester
Umfang:
4 Semesterwochenstunden (Vorlesung, Übung und Projektstudie)
Anmeldung:
siehe TUMonline "Teilnahmekriterien & Anmeldung"
Ziel (erwartete Lernergebnisse und erworbene Kompetenzen)
- Diverse Sensorkonzepte verstehen und bewerten
- Diverse atmosphärische Modellierungsmethoden verstehen und bewerten
- Anwenden statistischer Datenauswertungsmethoden zu neuartigen atmosphärischen Daten
- Untersuchung von Umweltdaten im Zeit und Frequenz Bereich
- Präsentation selbständig recherchierter atmosphärischer Daten für eine beliebige Region
Inhalt
- Grundlage: Eigenschaften der Atmosphäre, der Erde, Sonne und anderen Planeten
- Sensing Methoden und Instrumente:
- Solar-Tracking/Open Path Fourier Transform Spektrometer
- Tunable Diode Laser Spectroskopie
- Gitterspektrometer
- LiDAR
- Ceilometer
- Wellenlängen-Modulations-Spektroskopie
- Cavity-Ring-Down-Spektroskopie
- Laser Photoakustische Spektroskopie
- Traushausgas-Satelliten
- Datenanalyse:
- Lineare Regressions-Methoden: OLS, MA, SMA, York Linear Fit, Hauptkomponentenanalyse (PCA), etc.
- Statistische Auswertungen: Bootstrapping, Student's t-Test, Chi-Quadrat-Test, etc.
- Interpolation: z.B. Semantic Kriging
- Datenfusion
- Modellierung:
- Box Model,
- Markov Kette
- Eulersches und Lagrange Model
- Inverse Modellierung
- Machine Learning für Umweltanwendungen
Unterrichts-/Lehrsprache
Englisch
Inhaltliche Voraussetzungen
Mathematik, Grundlage Physik
Kenntnisse in einer Programmiersprache wie z. B. Matlab, R, C++, Python