Karta předmětu prezenční studium

Rozměr: px

Začít zobrazení ze stránky:

Download "Karta předmětu prezenční studium"

Radim Valenta
před 4 lety
Počet zobrazení:

Karta předmětu prezenční studium Název předmětu: Neurčitost v geoinformatice (NEGI) Číslo předmětu: 548- Garantující institut: Garant předmětu: geoinformatiky doc. Dr. Ing.

1 Karta předmětu prezenční studium Název předmětu: Neurčitost v geoinformatice (NEGI) Číslo předmětu: 548- Garantující institut: Garant předmětu: geoinformatiky doc. Dr. Ing. Jiří Horák Kredity: 5 Povinnost: povinně volitelný Úroveň studia: graduální Jazyk výuky: český Ročník: 1 Semestr: 1 Odkaz na web: Určeno pro fakulty: HGF Určeno pro typ studia: navazující magisterské Způsob zakončení: záp. + zk. Rozsah výuky: 2+2 Prerekvizity: - Korekvizity: - Vyskytuje se v prerekvizitách: - Výstupy z učení - student prokazuje znalosti: základní koncepty pojetí neurčitosti příčin vzniku neurčitosti a jejího šíření metod hodnocení a vyjadřování neurčitosti Modelování šíření chyb Principy využití fuzzy a hrubých množin Principy Dempster-Shaferova teorie Principy vizualizace neurčitosti - student umí: analyzovat, popisovat a hodnotit neurčitost doprovázející zdroje dat a jejich zpracování použít vhodné metody pro zjištění neurčitosti při zpracování dat vizualizovat neurčitost výsledků

2 - student je schopen: vyhodnotit dopady neurčitosti dat a jejich zpracování na výsledky a správně je interpretovat Metody výuky (zastoupení jednotlivých metod je třeba kvantifikovat v %) přednášky 35 % cvičení 35 % samostatná práce 30 % Anotace Vymezení základních pojmů. Hlavní koncepty pojetí neurčitosti v geoinformatice. Vágnost, nejednoznačnost, nepřesnost. Chyby a jejich rozdělení. Kvalita dat a její popis (metadata). Zdroje neurčitosti. Organizace sběru dat, nejistoty typu A a B. Šíření chyb, vyrovnávání chyb. Vnitřní a externí validace. Analýza citlivosti. Metody založené na simulacích. Agregace dat, ekologická chyba, MAUP. Neurčitost rozhodování. Fuzzy množiny. Hrubé množiny. Kvalitativní hodnocení neurčitosti, revize důvěry, vícehodnotová logika. Kvantitativní hodnocení neurčitosti. Bayesova a Dempster- Shaferova teorie. Nová geografie a jiné přístupy k neurčitosti. Vizualizace neurčitosti. Náklady a přínosy snižování neurčitosti. Praktické aplikace pro testování dat a služeb (příklady řešení pro geowebové služby), při zpracování dat z informačních systémů veřejné správy. Povinná literatura Worboys M., Duckham M.: Geographic Information Systems: A Computing Perspective (2nd Edition), CRC Press, Boca Raton, Florida, ISBN: Wenzhong Shi: Principles of modeling Uncertainties in Spatial Data and Spatial Analysis. CRC press Doporučená literatura Krivoruchko K., Crawford C.A.G.: Assesing the Uncertainity Resulting from Geoprocessing Operations. In Maguire, DJ, Batty M, Goodchild MF: GIS, Spatial Analysis and Modeling. ESRI Longley, P.A., Goodchild M.F., Maguire D.J., Rhind D.W.: Geographical Information Systems and Science. Wiley, Jef Caers: Modeling uncertainty in the Earth Sciences. Wiley-Blackwell ISBN Nároky na zabezpečení výuky Pro cvičení počítačová laboratoř s nainstalovanými programy ArcGIS, IDRISI, R. Metody průběžné kontroly znalostí během semestru Znalosti a dovednosti v průběhu semestru jsou kontrolovány průběžně samostatnými úkoly na cvičeních. Osnova přednášek 1) Historie a význam neurčitosti. Základní pojmy a možnosti klasifikace neurčitosti (nejistoty)

3 2) Hlavní koncepty pojetí neurčitosti v geoinformatice. Vágnost, nejednoznačnost, nepřesnost. 3) Chyby a jejich rozdělení. 4) Kvalita dat a její popis. Metadata. 5) Zdroje neurčitosti. Organizace sběru dat, nejistoty typu A a B. 6) Šíření chyb, vyrovnávání chyb. Analýza citlivosti. 7) Metody založené na simulacích. 8) Vnitřní a externí validace. 9) Agregace dat, ekologická chyba, MAUP. 10) Neurčitost rozhodování. 11) Fuzzy množiny. 12) Hrubé množiny. 13) Kvalitativní hodnocení neurčitosti, revize důvěry, vícehodnotová logika. 14) Kvantitativní hodnocení neurčitosti. Bayesova teorie. 15) Dempster-Shaferova teorie. 16) Vizualizace neurčitosti. Náklady a přínosy snižování neurčitosti. Osnova cvičení 1) Popis metadat u prostorových dat 2) Agregace dat a ekologická chyba 3) Simulace šíření chyb pomocí Monte Carlo 4) Interpolační metody, vnitřní a externí validace. 5) Geostatistické interpolační a simulační metody. 6) Fuzzy množiny. 7) Dempster-Shaferova teorie. 8) Vizualizace neurčitosti. Otázky ke zkoušce 1) Neurčitost modelování reálné světa 2) Nepřesnost. Inherentní nejistota, epistémická nejistota. 3) Vágnost epistemická, ontologická 4) Nejednoznačnost. 5) Granularita 6) Správnost 7) Chyba, náhodná, systematická, hrubá. 8) Základní chyby měření, pracovní chyby měření. 9) Složky popisu kvality dat (ISO 19115, INSPIRE, FGDC) 10) Zdroje neurčitosti. 11) Neurčitost ve vstupních datech 12) Organizace sběru dat, nejistoty typu A a B. 13) Šíření chyb. Analýza citlivosti.

4 14) Metody založené na simulacích. 15) Agregace dat, ekologická chyba, MAUP. 16) Neurčitost ve vztazích 17) Vnitřní a externí validace. 18) Neurčitost rozhodování. 19) Fuzzy množiny. 20) Hrubé množiny. 21) Kvalitativní hodnocení neurčitosti, revize důvěry 22) vícehodnotová logika. 23) Kvantitativní hodnocení neurčitosti. 24) Bayesova teorie. 25) Dempster-Shaferova teorie. 26) Vizualizace neurčitosti. Podmínky absolvování předmětu Název úlohy Typ úlohy Max. počet bodů (akt. za podúlohy) Min. počet bodů Zápočet a zkouška Zápočet a zkouška 100 (100) 51 Zápočet Zápočet 33 (33) 17 Zkouška Zkouška 67 (67) 34 Písemná zkouška Písemná zkouška Ústní zkouška Ústní zkouška Údaje o předmětu v cizím jazyce Annotation Determination of general terms and definitions. Key concepts in the field of uncertainty in geoinformatics. Vagueness, ambiguity, inaccuracy. Errors and distribution of error. Data quality and description of data quality (metadata). Sources of uncertainty. Organizing data collection, uncertainty type A and B. Error propagation, error compensation. Internal and external validation. Sensitivity analysis. Methods based on simulation. Data aggregation, ecological fallacy, MAUP. Uncertainty in decision making. Fuzzy sets. Rough sets. Qualitative evaluation of uncertainty, confidence review, fuzzy logic. Quantitative evaluation of uncertainty. Bayes and Dempster-Shafer theory. New geography and other approaches towards uncertainty. Uncertainty visualisation. Costs and benefits when reducing uncertainty. Practical applications for testing data and services (examples of solutions of geoweb services), when processing data from information systems used by public administration bodies.

5 Outline of lectures 1) The history and the importance of the uncertainty. General concepts and possible classification of uncertainty. 2) Key concepts in the field of uncertainty in geoinformatics. Vagueness, ambiguity, inaccuracy. 3) Errors and distribution of error. 4) Data quality and description of data quality. Metadata. 5) Sources of uncertainty. Organizing data collection, uncertainty type A and B. 6) Data spreading, error compensation. Sensitivity analysis. 7) Methods based on simulation. 8) Internal and external validation. 9) Data aggregation, ecological fallacy, MAUP. 10) Uncertainty in decision making. 11) Fuzzy sets. 12) Rough sets. 13) Qualitative evaluation of uncertainty, confidence review, fuzzy logic. 14) Quantitative evaluation of uncertainty. Bayes theory. 15) Dempster-Shafer theory. 16) Uncertainty visualisation. Costs and benefits when reducing uncertainty. Outline of exercises 1) Description of metadata in spatial data 2) Data aggregation and ecological fallacy 3) Simulation of propagation of error using the Monte Carlo 4) Interpolation methods, internal and external validation. 5) Geostatistical interpolation and simulation methods. 6) Fuzzy sets. 7) Dempster-Shafer theory. 8) Uncertainty visualisation. Exam question topics 1) Uncertainty in modelling the real world. 2) Inaccuracy. Inherent uncertainty, epistemic uncertainty. 3) Vagueness epistemic, ontological 4) Ambiguity. 5) Granularity. 6) Correctness. 7) Error - random, systematic, rough. 8) Basic measurement errors, measurement error in working conditions. 9) Components in the description of data quality (ISO 19115, INSPIRE, FGDC) 10) Sources of uncertainty.

6 11) Uncertainty in input data. 12) Organizing data collection, uncertainty type A and B. 13) Propagation of errors. Sensitivity analysis. 14) Methods based on simulation. 15) Data aggregation, ecological fallacy, MAUP. 16) Uncertainty in relationships. 17) Internal and external validation. 18) Uncertainty in decision making. 19) Fuzzy sets. 20) Rough sets. 21) Qualitative evaluation of uncertainty, confidence review. 22) Fuzzy logic. 23) Quantitative evaluation of uncertainty. 24) Bayes theory. 25) Dempster-Shafer theory. 26) Uncertainty visualisation.

Podobné dokumenty

Karta předmětu prezenční studium

Karta předmětu prezenční studium Název předmětu: Kvantitativní metody v geografii (KMG) Číslo předmětu: 548 Garantující institut: Garant předmětu: Institut geoinformatiky Ing. Igor Ivan, Ph.D. Kredity: