VYUŽITÍ NÁSTROJŮ GIS PŘI SRÁŽKO-ODTOKOVÉM PŘEDPOVĚDNÍM MODELOVÁNÍ
|
|
- Lenka Fišerová
- před 7 lety
- Počet zobrazení:
Transkript
1 VYUŽITÍ NÁSTROJŮ GIS PŘI SRÁŽKO-ODTOKOVÉM PŘEDPOVĚDNÍM MODELOVÁNÍ AN USAGE OF GIS TOOLS IN THE RAINFALL-RUNOFF PREDICTION MODELS Martin Neruda 1, Kateřina Fiedlerová 2, Jitka Prchalová 3 1 ÚVOD Zkratka GIS je odvozena z anglického Geographic Information System, což v češtině znamená geografický informační systém nebo geoinformační systém. Kořeny technologií zpracování geografických informací sahají do poloviny 18. století, kdy byly v kartografii vyvinuty první přesné topografické mapy. Myšlenka ukládat a organizovat prostorové informace v počítačích vznikla přibližně v 60. letech minulého století, kdy se intenzivněji začaly používat počítačové informační systémy, přičemž jejich manuální prototypy se objevily již o 100 let dříve. Za dobu poměrně nedlouhé existence GISů se většina významných kroků v jejich vývoji uskutečnila v Severní Americe. V české odborné literatuře se častěji objevují informace o aplikacích GISů od roku 1991, kdy se v Brně konala první mezinárodní konference o GISech [8]. GIS oproti klasickému informačnímu systému (IS = Information System) umožňuje doplnit základní údaje informací o jejich umístění na zemském povrchu. Tím je umožněno na klasické informace pohlížet zcela nově a využívat je pro sledování změn v prostoru a čase v závislosti na poloze. GISy tedy umožňují pracovat s prostorovými daty a především analyzovat tato data. Schopnost analyzovat data představuje takové typy operací s prostorovými daty, které vytvářejí data nová, v původní databázi se nevyskytující [6]. Podobně jako GISy umožňují pracovat s prostorovými daty, tak genetické algoritmy a umělé neuronové sítě mohou pomoci řešit mnoho úkolů v různých oblastech lidské činnosti. V úsilí vyřešit komplexní problémy reálného života vědci nejenže napodobují evoluční proces, ale pokoušejí se také simulovat nejvyšší produkt evoluce-lidský mozek-vytvářením neuronových sítí, které, tak jako genetické algoritmy, používají přírodní strategie v širším kontextu. Stejně jako genetické algoritmy jsou neuronové sítě také schopny řešit celou řadu problémů, a jelikož hrají ústřední roli v procesu učení a paměti, mohou vést k vytvoření skutečné umělé inteligence. Jedním z prvních vědců, kteří se pokusili navrhnout počítač založený na struktuře mozku, byl John von Neumann v roce Byl inspirován matematickým popisem mozkových buněk, který provedli Warren McCulloch a Walter Pitts z Univerzity v Illinois a publikovali ho v článku nazvaném Logický kalkul myšlenek zabudovaný v nervové aktivitě. Mozkové buňky (neurony), pomocí nichž myslíme, považovali za logické přepínače, které pracují na základě binární aritmetiky. Také tvrdili, že 1 Martin Neruda, Ing., 2 Kateřina Fiedlerová, Ing., 3 Jitka Prchalová, Ing., Fakulta životního prostředí Univerzity J. E. Purkyně, 1,2 katedra přírodních věd, 3 katedra informatiky a geoinformatiky, Králova výšina 7, Ústí n. L., neruda@fzp.ujep.cz, fiedlerova@fzp.ujep.cz, prchalova@fzp.ujep.cz
2 sestavením souborů těchto elementárních jednotek do neuronových sítí lze provést každou operaci podle zákonů logiky [1]. McCulloch a Pitts navrhli přístup k umělé inteligenci modelované na masivně paralelních propojeních mozkových neuronů zdola nahoru. V mozku dostává neuron signály od ostatních neuronů prostřednictvím sítě jemných spojů, zvaných dendrity. Neuron vysílá impulsy elektrické aktivity tenkým vláknem zvaným axon. Z axonu vyrůstá mnoho jemných větví a každá větev je zakončena strukturou nazývanou synapse, která předává signál sousednímu neuronu. K učení dochází, když mezi mozkovými buňkami vyrostou nové spoje, když odumřou nebo se změní jejich síla. Ke konstrukci počítačového modelu potřebujeme abstraktní logickou reprezentaci struktury každého neuronu. McCulloch a Pitts uvažovali pouze o dvouvrstvé síti, v níž první vrstva neuronů přijímá informace z okolního světa; jejich spoje s neurony v druhé vrstvě dávají odpověď, která je výstupem pro vnější svět. Umělé neuronové sítě jsou zjednodušenou logickou reprezentací velkých souborů neuronů, které jsou buď softwarově simulované nebo zabudované do křemíkových čipů. Obrat nastal v polovině osmdesátých let, kdy David Rumelhart a James McClelland z Kalifornské univerzity v San Diegu rozšířili schopnosti jednoduchého perceptronu dvěma modifikacemi. První spočívala v přidání třetí (skryté) vrstvy, vsunuté mezi vstupní a výstupní neurony. Mezi neurony sousedících vrstev je spojen každý s každým, ale v rámci vrstvy nebo ob vrstvu spojeny nejsou. Obr. 1 ukazuje příklad třívrstvé sítě, je však možné počet skrytých vrstev zvýšit [1]. Obr. 1) Příklad mnohovrstvého perceptronu s jednou skrytou vrstvou (Coveney P., Highfield R., 2003) Druhou modifikací bylo použití nového algoritmu, zvaného zpětné šíření chyb (Back propagation), který síti umožnil efektivní učení. Tuto metodu použil poprvé Paul Werbos v roce 1974 ve své doktorské práci. Síť je trénována na příkladech problémů, pro něž jsou známa jak vstupní, tak výstupní data. Může to být například vztah mezi srážkovým úhrnem v povodí a odtokem v uzávěrovém profilu (Neruda M., Neruda R., 2002). Algoritmus zpětného šíření znamená, že jsou minimalizovány chyby sítě tak, že jsou posílány po síti zpět a nastavují se váhy spojů (ty nás informují, jak silně jsou spojeny jednotlivé neurony), až je v ideálním případě nalezeno globální minimum chyby. Jakmile dosáhneme minima chyby, říkáme, že síť je natrénována a je schopna provést testování, tj. je připravena vypočítat průtoky z neznámých dvojic srážek a průtoků [5]. Hledání globálního minima chyby je typicky těžkým optimalizačním problémem. V některých případech má algoritmus zpětného
3 šíření tendenci zachytit se spíše v lokálním než globálním minimu. Dnes už ale existují způsoby jak tyto problémy překonat [1]. Neuronové sítě se dnes používají k řešení mnoha problémů. Existuje mnoho aplikací na rozpoznávání obrazové informace, např. identifikace nepřátelské ponorky ze stopy získané sonarem, analýza skvrn na snímku mozku - jestli nejsou rakovinového původu nebo rozpoznání rukou psaného poštovního směrovacího čísla na dopisech. Letecké společnosti používají mnohovrstvé perceptronové sítě k předpovídání poptávky po letenkách, ve zdravotnictví upozorňují na nenormální bušení srdce; předpovídají kolísání burzy, vývoj kursů akcií, pomáhají bankám oceňovat půjčky. Jejich předností je tzv. robustnost, odolnost proti selhání. Když dojde k poškození jednoho neuronu, může zbývající síť pracovat bez většího omezení. Při selhávání více neuronů dochází ke zpomalování výpočtů [1]. 2 MATERIÁL A METODY Pro porovnání dvou různých povodí byla vybrána Ploučnice od pramene k městu Mimoň a Loučná. Ploučnice pramení na jihozápadním svahu Ještědu (1012 m) ve výšce 654 m n. m., ústí zprava do Labe v Děčíně v 122 m n. m. Plocha povodí je 1193,9 km 2, délka toku 106,2 km, průměrný průtok u ústí 8,60 m 3.s -1. Od pramenů z Ještědského hřbetu přitéká do Zákupské pahorkatiny a pod Českou Lípou vtéká do Verneřického středohoří, kde vytváří hlubší údolí. Hydrologické stanice na horní Ploučnici jsou v Křižanech, Jablonném v Podještědí, Stráži pod Ralskem a Mimoni. Jedná se o vodohospodářsky významný tok, pstruhová voda je od propusti na cestě z Hamru do Útěchovic k pramenům, od propusti k ústí mimopstruhová voda. Významné je také napájení toku z podzemních vod. Průměrná roční srážka za období je 718 mm, průměrný průtok je 2,273 m 3.s -1. Chvátalová (2001) charakterizuje vtok Ploučnice do Labe dokumentovaným dlouhodobým průměrem 8,6 m 3.s -1 s rozptylem 1,3 162 m 3.s -1 a má ho za značně rozkolísaný. Pro profil Hřensko státní hranice s Německem je pak dokumentován dlouhodobý průměr 313 m 3.s -1 a kolísání v mezích m 3.s -1, tedy podíl Ploučnice na průměrném průtoku Labe jsou necelá 3 %. Labe je pro svůj mezinárodní charakter pozorně sledováno z hlediska čistoty vod. V tab.1 jsou uvedeny N-leté průtoky a v tab. 2 m-denní průtoky v Mimoni na Ploučnici. Tab. 1) N-leté průtoky opakující se 1x za (zdroj: ČHMÚ Ústí n. L.) let v m 3.s -1 21, Tab. 2) m-denní průtoky opakující se 1x za (zdroj: ČHMÚ Ústí n. L.) Po dobu dní v roce je průtok v m 3.s -1 větší než 4,47 3,29 2,68 2,28 1,98 1,75 1,56 1,39 1,24 1,1 0,96 0,81 0,7
4 Loučná je levostranný přítok Labe nad Pardubicemi, o délce 70 km a ploše povodí 730 km 2. Její povodí je tvořeno převážně zemědělsky využívanou půdou. Některé v minulosti realizované krajinné úpravy vedly ke značným půdním změnám, které pak při povodňových situacích způsobovaly výraznou půdní erozi. Český hydrometeorologický ústav (ČHMÚ) zde provozuje 4 srážkoměrné stanice (Lubná, Trstěnice, Litomyšl a Vysoké Mýto). Ve srážko-odtokových modelech umělých neuronových sítí porovnáváme na vstupu srážkové denní úhrny a denní průměrné průtoky. ČHMÚ nám poskytl časovou řadu dat za období Pro výpočet váženého průměru srážkových úhrnů byla obě sledovaná povodí rozdělena na několik částí (se středy v srážkoměrných stanicích) analýzou sousedství (Proximity Analysis). Práce probíhala v programu ArcView verze 3.2. Analýza sousedství patří mezi vzdálenostní analýzy. Jejím použitím se vytvoří individuální plochy kolem každého ze vstupních bodů, které definují příslušnost dané lokality k nejbližšímu z objektů. Použitím této analýzy tedy dojde k rozdělení celého prostoru na dílčí plochy, na kterých je každá individuální poloha blíže k bodu se známou hodnotou než ke kterémukoli jinému vstupnímu bodu (Obr. 2, 3). Pro vlastní výpočet se používá metody Thiessenových polygonů nebo Voronoi diagramy (Tuček 1998). Pro srážko-odtokové výpočty je možno využít Stuttgartský neuronový simulátor SNNS verze 4.2. [3]. Výsledky výpočtů provedených SNNS byly již publikované a prezentované na konferencích [5]. Výsledky GIS analýz jsou uvedeny na Obr. 2 a VÝSLEDKY Obr. 2) Stanovení částí povodí pomocí GIS analýz (Loučná)
5 4. ZÁVĚR Obr. 3) Stanovení částí povodí pomocí GIS analýz (Ploučnice) Pro výpočet částí povodí se středy v srážkoměrných stanicích byla použita analýza sousedství v programu ArcView. GIS nástroje jsou vhodné k zjišťování prostorových souvislostí v povodí a umožňují získání přesných vstupů do srážko-odtokových modelů. V letošním roce byl dokončen vývoj nového softwaru Bang na Ústavu informatiky Akademie věd ČR v Praze, který umožňuje práci s umělými algoritmy a neuronovými sítěmi. V rámci přiděleného grantu s názvem Modelování srážko-odtokových vztahů metodami umělé inteligence probíhá aplikace uvedeného programu na srážko-odtokové vztahy ve dvou experimentálních povodích (Ploučnice, Loučná). Výsledky budou publikované příští rok na jaře. PODĚKOVÁNÍ Práce na tomto příspěvku byla financována z grantu GAČR č. 526/03/Z042 Modelování srážko-odtokových vztahů metodami umělé inteligence.
6 LITERATURA [1] COVENEY, P., HIGHFIELD R. Mezi chaosem a řádem. 1.vyd. Praha: Mladá fronta, ISBN [2] CHVÁTALOVÁ, A. In: Labe. Příroda dolního českého úseku řeky na konci 20. století. Ústí nad Labem. AOS Publishing s [3] Manual SNNS v. 4.2 [online]. Url: [4] NERUDA M., NERUDA R. To contemplate quantitative and qualitative water features by neural networks method. Plant production, červenec 2002, r. 48, č. 7, s , Ústav zemědělských a potravinářských informací, Česká akademie zemědělských věd, Praha. ISBN X. [5] NERUDA M., NERUDA R. Možnost predikce povodní pomocí neuronových sítí. Sborník z 3. vodohospodářké konference, , sešit 4, Ústav vodních staveb FAST VUT v Brně, ECON publishing, s.r.o., s , ISBN [6] TOLLINGEROVÁ, D. GIS - geografické informační systémy. 1. vyd. Ostrava: Vysoká škola báňská Technická univerzita Ostrava, s. ISBN X. [7] TUČEK, J. Geografické informační systémy. Principy a praxe. 1. vyd. Praha: Computer Press, s. ISBN X. [8] VOŽENÍLEK, V. Geografické informační systémy I. Pojetí, Historie, základní komponenty. 1. vyd. Olomouc: Univerzita Palackého v Olomouci, s. ISBN X
Modelové řešení revitalizace průmyslových regionů a území po těžbě uhlí na příkladu Podkrušnohoří
Univerzita J. E. Purkyně, Fakulta životního prostředí Registrační číslo projektu: MMR WD-44-07-1 Modelové řešení revitalizace průmyslových regionů a území po těžbě uhlí na příkladu Podkrušnohoří Závěrečná
VíceMETEOROLOGICKÉ PŘÍČINY VÝRAZNÝCH POVODNÍ V LETECH 2009 A na vybraných tocích na severu Čech
METEOROLOGICKÉ PŘÍČINY VÝRAZNÝCH POVODNÍ V LETECH 2009 A 2010 na vybraných tocích na severu Čech Martin Novák, ČHMÚ, pobočka Ústí nad Labem Proč zrovna roky 2009 a 2010? 1. Povodně v prvním týdnu července
VíceVytěžování znalostí z dat
Pavel Kordík, Josef Borkovec (ČVUT FIT) Vytěžování znalostí z dat BI-VZD, 2012, Přednáška 8 1/26 Vytěžování znalostí z dat Pavel Kordík, Josef Borkovec Department of Computer Systems Faculty of Information
Více5. Umělé neuronové sítě. Neuronové sítě
Neuronové sítě Přesný algoritmus práce přírodních neuronových systémů není doposud znám. Přesto experimentální výsledky na modelech těchto systémů dávají dnes velmi slibné výsledky. Tyto systémy, včetně
VíceNeuronové sítě v DPZ
Univerzita J. E. Purkyně v Ústí nad Labem Fakulta životního prostředí Neuronové sítě v DPZ Seminární práce z předmětu Dálkový průzkum Země Vypracovali: Jan Lantora Rok: 2006 Zuzana Vašková Neuronové sítě
VíceNeuronové sítě Ladislav Horký Karel Břinda
Neuronové sítě Ladislav Horký Karel Břinda Obsah Úvod, historie Modely neuronu, aktivační funkce Topologie sítí Principy učení Konkrétní typy sítí s ukázkami v prostředí Wolfram Mathematica Praktické aplikace
VíceUmělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
VíceNeuronové sítě (11. přednáška)
Neuronové sítě (11. přednáška) Machine Learning Naučit stroje se učit O co jde? Máme model výpočtu (t.j. výpočetní postup jednoznačně daný vstupy a nějakými parametry), chceme najít vhodné nastavení parametrů,
VíceČESKÁ REPUBLIKA. www.voda.mze.cz www.voda.env.cz
ČESKÁ REPUBLIKA je vnitrozemský stát ve střední části Evropy, který náleží do oblasti mírného klimatického pásu severní polokoule. Celková délka státních hranic České republiky představuje 2 290,2 km.
VíceFakulta životního prostředí Katedra biotechnických úprav krajiny
Fakulta životního prostředí Katedra biotechnických úprav krajiny Soubor účelových map k Metodice hospodářského využití pozemků s agrárními valy pro vytváření vhodného vodního režimu a pro snižování povodňového
VíceTestování neuronových sítí pro prostorovou interpolaci v softwaru GRASS GIS
Testování neuronových sítí pro prostorovou interpolaci v softwaru GRASS GIS Veronika NEVTÍPILOVÁ Gisáček 2013 Katedra Geoinformatiky Univerzita Palackého v Olomouci Cíle otestovat kvalitu interpolace pomocí
VícePrincipy počítačů I Netradiční stroje
Principy počítačů I Netradiční stroje snímek 1 Principy počítačů Část X Netradiční stroje VJJ 1 snímek 2 Netradiční procesory architektury a organizace počítačů, které se vymykají struktuře popsané Johnem
Více5.5 Předpovědi v působnosti RPP České Budějovice Vyhodnocení předpovědí Obr Obr Obr. 5.38
5.5 Předpovědi v působnosti RPP České Budějovice Regionální předpovědní pracoviště v Českých Budějovicích zpracovává předpovědi pro povodí Vltavy po vodní dílo Orlík, tedy povodí Vltavy, Lužnice a Otavy.
VíceEmergence chování robotických agentů: neuroevoluce
Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové
VíceROZVOJ PŘEDPOVĚDNÍ POVODŇOVÉ SLUŽBY V ČESKÉ REPUBLICE PO POVODNI RNDr. Radek Čekal, Ph.D. RNDr. Jan Daňhelka, Ph.D.
ROZVOJ PŘEDPOVĚDNÍ POVODŇOVÉ SLUŽBY V ČESKÉ REPUBLICE PO POVODNI 2002 RNDr. Radek Čekal, Ph.D. RNDr. Jan Daňhelka, Ph.D. - OBSAH PŘEDNÁŠKY - Hydrologická předpovědní povodňová služba (HPPS) v roce 2002
VíceK možnostem krátkodobé předpovědi úrovně znečištění ovzduší statistickými metodami. Josef Keder
K možnostem krátkodobé předpovědi úrovně znečištění ovzduší statistickými metodami Josef Keder Motivace Předpověď budoucí úrovně znečištění ovzduší s předstihem v řádu alespoň několika hodin má význam
VíceMAPY POVODŇOVÉHO NEBEZPEČÍ, DOKUMENTACE OBLASTÍ S VÝZNAMNÝM
MAPY POVODŇOVÉHO NEBEZPEČÍ, DOKUMENTACE OBLASTÍ S VÝZNAMNÝM POVODŇOVÝM RIZIKEM, PLÁN PRO ZVLÁDÁNÍ POVODŇOVÝCH RIZIK ZKUŠENOSTI ZE ZPRACOVÁNÍ ÚKOLŮ SMĚRNICE 2007/60/ES V ČESKÉ REPUBLICE J. Cihlář, M. Tomek,
VíceNeuronové sítě. Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky
Neuronové sítě Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky Motivace pro výzkum umělých neuronových sítí lidský mozek pracuje jiným způsobem než běžné číslicové počítače počítače přesně
Více4 VYHODNOCENÍ MANUÁLNÍCH HYDROLOGICKÝCH PŘEDPOVĚDÍ
4 VYHODNOCENÍ MANUÁLNÍCH HYDROLOGICKÝCH PŘEDPOVĚDÍ Manuální hydrologické předpovědi jsou tradičním produktem předpovědní povodňové služby ČHMÚ. Po zavedení hydrologických modelů jsou nyní vydávány pro
Více23.6.2009. Zpracována na podkladě seminární práce Ing. Markéty Hanzlové
Petr Rapant Institut geoinformatiky VŠB TU Ostrava Zpracována na podkladě seminární práce Ing. Markéty Hanzlové 23.3.2009 Rapant, P.: DMR XIII (2009) 2 stékání vody po terénu není triviální proces je součástí
VíceVodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í POD Z E M N Í C H V O D V D Í L Č Í M P O V O D Í H O R N Í O D R Y Z A R O K 2 0 1 6 Povodí Odry, státní
VíceZ P R Á V A. Vodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í P O D Z E M N Í C H V O D V D Í LČÍM POVODÍ HORNÍ ODRY ZA ROK 2012 Povodí Odry, státní podnik, odbor vodohospodářských
VíceZávěrečná konference Rozvoj talentů
Závěrečná konference Rozvoj talentů GIS jako vhodné nástroje pro děti a mládež s cílem udržitelnosti 3. 6. 2015, CDV, Brno Líšeňská 33a Jan Kubeček Náplň semináře Pracujeme s GISy cyklus 7 seminářů pro
VíceAlgoritmy a struktury neuropočítačů ASN - P11
Aplikace UNS při rozpoznání obrazů Základní úloha segmentace obrazu rozdělení obrazu do několika významných oblastí klasifikační úloha, clusterová analýza target Metody Kohonenova metoda KSOM Kohonenova
VíceArchitektura - struktura sítě výkonných prvků, jejich vzájemné propojení.
Základní pojmy z oblasti neuronových sítí Zde je uveden přehled některých základních pojmů z oblasti neuronových sítí. Tento přehled usnadní studium a pochopení předmětu. ADALINE - klasická umělá neuronová
VíceN-LETOST SRÁŽEK A PRŮTOKŮ PŘI POVODNI 2002
N-LETOST SRÁŽEK A PRŮTOKŮ PŘI POVODNI 2002 MARTIN STEHLÍK* * Oddělení povrchových vod, ČHMÚ; e-mail: stehlikm@chmi.cz 1. ÚVOD Povodeň v srpnu 2002 v České republice byla způsobena přechodem dvou frontálních
VíceStatistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1
Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát
VíceVyužití neuronové sítě pro identifikaci realného systému
1 Portál pre odborné publikovanie ISSN 1338-0087 Využití neuronové sítě pro identifikaci realného systému Pišan Radim Elektrotechnika 20.06.2011 Identifikace systémů je proces, kdy z naměřených dat můžeme
VíceExperimentální měření sněhu na vybraných lokalitách Jeseníků a Beskyd
Experimentální měření sněhu na vybraných lokalitách Jeseníků a Beskyd Přednáška ČHMÚ Ostrava 16/04/2012 Martin JONOV Šárka MADĚŘIČOVÁ Měření sněhové pokrývky - pravidelné měření se provádí v rámci ČHMÚ
Vícekrajiny povodí Autoři:
Fakulta životního prostředí Katedra biotechnických úprav krajiny Soubor účelovýchh map k Metodice stanovení vybraných faktorů tvorby povrchového odtoku v podmínkách malých povodí Případová studie povodí
VíceDisponibilní vodní zdroje a jejich zabezpečenost
Adam Vizina (VÚV, ČZU), Martin Hanel (ČZU, VÚV), Radek Vlnas (ČHMÚ, VÚV) a kol. Disponibilní vodní zdroje a jejich zabezpečenost Výzkumný ústav vodohospodářský T. G. Masaryka veřejná výzkumná instituce,
VíceAlgoritmy pro shlukování prostorových dat
Algoritmy pro shlukování prostorových dat Marta Žambochová Katedra matematiky a informatiky Fakulta sociálně ekonomická Univerzita J. E. Purkyně v Ústí nad Labem ROBUST 21. 26. leden 2018 Rybník - Hostouň
VíceMožnosti využití GIS pro adaptaci na změnu klimatu. Ing. Pavel Struha Odbor informatiky Magistrát města Hradce Králové
Možnosti využití GIS pro adaptaci na změnu klimatu Ing. Pavel Struha Odbor informatiky Magistrát města Hradce Králové Co je GIS a proč GIS? Geografický informační systém nástroj, poskytující informace
VíceVodohospodářská bilance dílčího povodí Horní Odry ZPRÁVA O HODNOCENÍ MNOŽSTVÍ PODZEMNÍCH VOD V DÍLČ ÍM POVODÍ HORNÍ ODRY ZA ROK 2014
Vodohospodářská bilance dílčího povodí Horní Odry ZPRÁVA O HODNOCENÍ MNOŽSTVÍ PODZEMNÍCH VOD V DÍLČ ÍM POVODÍ HORNÍ ODRY ZA ROK 2014 Povodí Odry, státní podnik, odbor vodohospodářských koncepcí a informací
VíceHodnocení historického vývoje krajiny pomocí leteckých snímků
Hodnocení historického vývoje krajiny pomocí leteckých snímků Jitka Elznicová Katedra informatiky a geoinformatiky Fakulta životního prostředí Univerzita J.E.Purkyně v Ústí nad Labem Letecké snímkování
VíceFiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc
Neuronové sítě a možnosti jejich využití Fiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc 1. Biologický neuron Osnova 2. Neuronové sítě Umělý neuron
VíceVodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í POD Z E M N Í C H V O D V D Í L Č Í M P O V O D Í H O R N Í O D R Y Z A R O K 2 0 1 5 Povodí Odry, státní
VíceVodohospodářská bilance dílčího povodí Horní Odry
Vodohospodářská bilance dílčího povodí Horní Odry Z P R Á V A O H O D N O C E N Í M N O Ž S T V Í POD Z E M N Í C H V O D V D Í L Č Í M P O V O D Í H O R N Í O D R Y Z A R O K 2 0 1 7 Povodí Odry, státní
VíceAlgoritmy a struktury neuropočítačů ASN - P1
Algoritmy a struktury neuropočítačů ASN - P1 http://amber.feld.cvut.cz/ssc www.janatuckova.cz Prof.Ing. Jana Tučková,CSc. Katedra teorie obvodů K331 kancelář: 614, B3 tel.: 224 352 098 e-mail: tuckova@fel.cvut.cz
VíceKARTOGRAFIE V POČÍTAČOVÉM PROSTŘEDÍ
MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA GEOGRAFICKÝ ÚSTAV 14. LETNÍ GEOGRAFICKÁ ŠKOLA KARTOGRAFIE V POČÍTAČOVÉM PROSTŘEDÍ doprovodný text kurzu Praktické použití počítačů ve výuce 22. až 24. srpna
VíceAlgoritmy a struktury neuropočítačů ASN - P10. Aplikace UNS v biomedicíně
Aplikace UNS v biomedicíně aplikace v medicíně postup při zpracování úloh Aplikace UNS v medicíně Důvod: nalezení exaktnějších, levnějších a snadnějších metod určování diagnóz pro lékaře nalezení šetrnějších
VíceStav sucha pokračuje i v říjnu
Datum: 17. 10. 2018 Místo: Praha-Komořany TISKOVÁ ZPRÁVA Stav sucha pokračuje i v říjnu Srážkový deficit z letních měsíců pokračuje i nadále, do poloviny října představovaly srážkové úhrny na území České
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 12
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 12 Lubomír Vašek Zlín 2013 Tento studijní materiál vznikl za finanční podpory Evropského sociálního fondu (ESF)
VíceNázev studie : Záplavové území toku Březnice km 0,000 km 23,281
Název studie : Záplavové území toku Březnice km 0,000 km 23,281 Objednatel : Povodí Moravy, s.p. Zpracovatel : Povodí Moravy, s.p., útvar hydroinformatiky Brno, Dřevařská 11 Obsah studie : Průvodní zpráva
VíceNeuronové sítě. 1 Úvod. 2 Historie. 3 Modely neuronu
Neuronové sítě L. Horký*, K. Břinda** Fakulta jaderná a fyzikálně inženýrská, Břehová 7, 115 19 Praha 1 *horkyladislav@seznam.cz, **brinda@fjfi.cvut.cz Abstrakt Cílem našeho příspěvku je získat uživatelský
VíceKartografické modelování. VIII Modelování vzdálenosti
VIII Modelování vzdálenosti jaro 2015 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Vzdálenostní funkce
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VícePlán oblasti Horního a středního Labe hydromorfologická studie toku Metuje (ř. km 0,0 79,1)
Plán oblasti Horního a středního Labe hydromorfologická studie toku Metuje (ř. km 0,0 79,1) ŠINDLAR s.r.o. konzultační a projekční kancelář obor vodní stavby a krajinné inženýrství V Býšti, listopad 2005
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 10
UNIVERZITA TOMÁŠE BATI VE ZLÍNĚ FAKULTA APLIKOVANÉ INFORMATIKY GEOGRAFICKÉ INFORMAČNÍ SYSTÉMY 10 Lubomír Vašek Zlín 2013 Tento studijní materiál vznikl za finanční podpory Evropského sociálního fondu (ESF)
VíceNeuropočítače. podnět. vnímání (senzory)
Neuropočítače Princip inteligentního systému vnímání (senzory) podnět akce (efektory) poznání plánování usuzování komunikace Typické vlastnosti inteligentního systému: schopnost vnímat podněty z okolního
VíceInovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií
VY_32_INOVACE_31_02 Škola Střední průmyslová škola Zlín Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Inovace výuky
VícePohled do nitra mikroprocesoru Josef Horálek
Pohled do nitra mikroprocesoru Josef Horálek Z čeho vycházíme = Vycházíme z Von Neumannovy architektury = Celý počítač se tak skládá z pěti koncepčních bloků: = Operační paměť = Programový řadič = Aritmeticko-logická
VíceEkologická zranitelnost v povodí horní Nisy Ökologische Vulnerabilität im Einzugsgebiet der Oberen Neiße
Ekologická zranitelnost v povodí horní Nisy Ökologische Vulnerabilität im Einzugsgebiet der Oberen Neiße ČVUT v Praze, Fakulta stavební Katedra hydromeliorací a krajinného inženýrství Zranitelnost vulnerabilita.
VíceSeminář Příprava a realizace přírodě blízkých protipovodňových opatření a možnosti jejich financování
Seminář Příprava a realizace přírodě blízkých protipovodňových opatření a možnosti jejich financování MATEMATICKÉ MODELOVÁNÍ vodní toky - 1D, 1D/2D, 2D, 3D srážko-odtokové procesy Ing. Kateřina Hánová
VíceANALÝZA A KLASIFIKACE BIOMEDICÍNSKÝCH DAT. Institut biostatistiky a analýz
ANALÝZA A KLASIFIKACE BIOMEDICÍNSKÝCH DAT prof. Ing. Jiří Holčík,, CSc. NEURONOVÉ SÍTĚ otázky a odpovědi 1 AKD_predn4, slide 8: Hodnota výstupu závisí na znaménku funkce net i, tedy na tom, zda bude suma
VíceAmbasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013
Ambasadoři přírodovědných a technických oborů Ing. Michal Řepka Březen - duben 2013 Umělé neuronové sítě Proč právě Neuronové sítě? K čemu je to dobré? Používá se to někde v praxi? Úvod Umělé neuronové
VíceANALÝZA VÝZNAMNOSTI ZDROJŮ ZNEČIŠTĚNÍ V POVODÍ VODNÍ NÁDRŽE ROZKOŠ Z HLEDISKA PRODUKCE ŽIVIN
ANALÝZA VÝZNAMNOSTI ZDROJŮ ZNEČIŠTĚNÍ V POVODÍ VODNÍ NÁDRŽE ROZKOŠ Z HLEDISKA PRODUKCE ŽIVIN Ing. Robin Hála, Ing. Klára Dušková, Nábřežní 4, 150 56 5 Partneři projektu Biologické centrum Akademie věd
VíceGeoinformační technologie
Geoinformační technologie Geografické informační systémy (GIS) Výukový materiál l pro gymnázia a ostatní středn ední školy Gymnázium, Praha 6, Nad Alejí 1952 Vytvořeno v rámci projektu SIPVZ 1357P2006
VíceČESKÝ HYDROMETEOROLOGICKÝ ÚSTAV ÚSEK HYDROLOGIE EXPERIMENTÁLNÍ POVODÍ JIZERSKÉ HORY HYDROLOGICKÁ ROČENKA
ČESKÝ HYDROMETEOROLOGICKÝ ÚSTAV ÚSEK HYDROLOGIE EXPERIMENTÁLNÍ POVODÍ JIZERSKÉ HORY HYDROLOGICKÁ ROČENKA 2 0 1 3 ČESKÝ HYDROMETEOROLOGICKÝ ÚSTAV ÚSEK HYDROLOGIE EXPERIMENTÁLNÍ POVODÍ JIZERSKÉ HORY HYDROLOGICKÁ
VíceGeoinformatika. I Geoinformatika a historie GIS
I a historie GIS jaro 2014 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Motivace Proč chodit na přednášky?
VíceInteligentní systémy a neuronové sítě
Inteligentní systémy a neuronové sítě Arnošt Veselý, Česká zemědělská univerzita, Kamýcká, Praha 6 - Suchdol Summary: In the article two main architectures of inteligent systems: logical-symbolic and connectionist
VíceKybernetika. vznikl koncepční rámec kybernetiky
Kybernetika Kybernetika řec. kybernétés = kormidelník vznik 40tá léta 20. století v Bostnu MIT zakladatel kybernetiky Norbert Wiener ji definoval jako vědu o řízení a komunikaci v živočichu a ve stroji
VíceVáclav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV
Umělá inteligence a rozpoznávání Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 16. 2. (3h) 2. 3. (4h) 17. 3. (5h) 14. 4. (3h) Úvod, historie a vývoj UI, základní
VíceStudie odtokových poměrů včetně návrhů možných protipovodňových opatření pro povodí Lužické Nisy
Studie odtokových poměrů včetně návrhů možných protipovodňových opatření pro povodí Lužické Nisy Seminář Liberec 15.9.2017 Obsah: 1 Řešené území 2 Předmět a způsob řešení 3 Harmonogram 4 Diskuze OBJEDNATEL
VíceBiologicky inspirované výpočty. Schématické rozdělení problematiky a výuky
Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1 Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová
VíceČeský hydrometeorologický ústav
Český hydrometeorologický ústav Průvodce operativními hydrologickými informacemi na webu ČHMÚ Vaše vstupní brána do sítě webových stránek Českého hydrometeorologického ústavu, které mají za úkol informovat
VíceStručný výtah z vodohospodářské studie podklad pro zpracování KoPÚ v k.ú. Srbská Kamenice
Stručný výtah z vodohospodářské studie podklad pro zpracování KoPÚ v k.ú. Srbská Kamenice Závazným podkladem je Vodohospodářská studie Srbská Kamenice a dotčené okolí zpracovaná společností VRV a.s. v
Více3. přednáška. Výzkum a měření erozních procesů
3. přednáška Výzkum a měření erozních procesů Erozní výzkum: výzkum slouží k důkladnému poznání a pochopení všech činitelů jejíchž interakcí eroze vzniká a pomáhá tak hledat účinné nástroje pro její zmírnění
VíceEXTRAPOLACE INTENZITNÍCH KŘIVEK PRO ÚČELY MODELOVÁNÍ SRÁŽKOODTOKOVÉHO PROCESU
EXTRAPOLACE INTENZITNÍCH KŘIVEK PRO ÚČELY MODELOVÁNÍ SRÁŽKOODTOKOVÉHO PROCESU P. Ježík Vysoké učení technické v Brně, Fakulta stavební, Ústav vodního hospodářství krajiny, Žižkova 17, 602 00 Brno Abstrakt
VíceAtlas EROZE moderní nástroj pro hodnocení erozního procesu
Projekt TA ČR č. TA02020647 Atlas EROZE moderní nástroj pro hodnocení erozního procesu České vysoké učení technické v Praze ATLAS, spol. s r.o. VÚMOP, v. v. i. Krása Josef, doc. Ing. Ph.D. Kavka Petr,
VíceModelování povodňových škod
Modelování povodňových škod Adam Podlaha, Alexandra Králová 28. února 2007 Český národní výbor pro omezování následků katastrof Slide 1 Program Modely na odhad povodňových škod pro účely zajištění Data
Více5.8 Předpovědi v působnosti RPP Ústí nad Labem Obr Obr Obr Obr Obr Obr Obr. 5.54
5.8 Předpovědi v působnosti RPP Ústí nad Labem Povodí Ohře, pro nějž jsou předpovědi zpracovávány na RPP v Ústí nad Labem, nebylo povodní na jaře 6 zasaženo tak výrazně, jako jiné oblasti ČR. Předpovědi
VíceVLIV TERMÍNU VÝSKYTU EXTRÉMNÍCH SRÁŽEK NA VÝVOJ ODTOKU ZE ZEMĚDĚLSKÉHO POVODÍ
KULHAVÝ, Zbyněk, Ing., CSc. SOUKUP, Mojmír, Ing., CSc. Výzkumný ústav meliorací a ochrany půdy Praha Žabovřeská 250, PRAHA 5 - Zbraslav VLIV TERMÍNU VÝSKYTU EXTRÉMNÍCH SRÁŽEK NA VÝVOJ ODTOKU ZE ZEMĚDĚLSKÉHO
VíceGEOINFORMATIKA. -základní pojmy a principy -ukázky aplikací GIS v praxi. Lukáš MAREK a Vít PÁSZTO
GEOINFORMATIKA -základní pojmy a principy -ukázky aplikací GIS v praxi Lukáš MAREK a Vít PÁSZTO GEOINFORMATIKA JE... spojením informatiky a geografie uplatnění geografie v počítačovém prostředí je obor,
VíceMETODIKA ZPRACOVÁNÍ EKONOMICKÝCH ČASOVÝCH ŘAD S VYUŽITÍM SIMULÁTORŮ NEURONOVÝCH SÍTÍ
METODIKA ZPRACOVÁNÍ EKONOMICKÝCH ČASOVÝCH ŘAD S VYUŽITÍM SIMULÁTORŮ NEURONOVÝCH SÍTÍ PROCESSING METHODOLOGY OF ECONOMIC TIME SERIES USING NEURAL NETWORK SIMULATORS Jindřich Petrucha Evropský polytechnický
VíceVÝUKA SYSTÉMU IDRISI NA KATEDŘE GEOINFORMATIKY PŘÍRODOVĚDECKÉ FAKULTY UNIVERZITY PALACKÉHO V OLOMOUCI
VÝUKA SYSTÉMU IDRISI NA KATEDŘE GEOINFORMATIKY PŘÍRODOVĚDECKÉ FAKULTY UNIVERZITY PALACKÉHO V OLOMOUCI Vilém Pechanec, Pavel SEDLÁK http://www.geoinformatics.upol.cz Geoinformatika v Olomouci ECO-GIS Centrum
VíceChytrá řešení vznikají při chytrém plánování Komplexní pohled na řešení odvodnění měst. Milan Suchánek, DHI a.s
Chytrá řešení vznikají při chytrém plánování Komplexní pohled na řešení odvodnění měst Milan Suchánek, DHI a.s Smart chytré řešení Cílem Smart řešení je využití moderních technologií pro rozvoj prostředí
VíceVývoj hydrografické sítě mezi roky 1720 a 2010 v oblasti dolů Nástup Tušimice N map Specializovaná mapa s odborným obsahem
Projekt NAKI DF12P01OVV043 - Rekonstrukce krajiny a databáze zaniklých obcí v Ústeckém kraji pro zachování kulturního dědictví Vývoj hydrografické sítě mezi roky 1720 a 2010 v oblasti dolů Nástup Tušimice
VíceVyužití dostupných dat
Využití dostupných dat Při tvorbě dpp města, budou použita dostupná data z POVIS, veřejných zdrojů (např. digitální povodňový plán Kraje Vysočina, povodňový plán ORP Velké Meziříčí, či povodňový plán povodí
VíceGIS a pozemkové úpravy. Výpočty erozní ohroženosti
GIS a pozemkové úpravy Výpočty erozní ohroženosti Josef Krása Katedra hydromeliorací a krajinného inženýrství, Fakulta stavební ČVUT v Praze 1 Geodata Hlavní poskytovatelé map Státní a resortní (byť často
VíceZvyšování potenciálu škod v územích nejvíce ohrožených povodněmi
Zvyšování potenciálu škod v územích nejvíce ohrožených povodněmi Karel Drbal Diskuzní fórum, 28.3.2019 Výzkumný ústav vodohospodářský T. G. Masaryka, v.v.i. Podbabská 30/ 2582, 160 00 Praha 6 +420 220
VícePŘÍSPĚVEK K HODNOCENÍ SUCHA NA JIŽNÍ MORAVĚ
PŘÍSPĚVEK K HODNOCENÍ SUCHA NA JIŽNÍ MORAVĚ Jiří Sklenář 1. Úvod Extrémy hydrologického režimu na vodních tocích zahrnují periody sucha a na druhé straně povodňové situace a znamenají problém nejen pro
Víceití empirických modelů při i optimalizaci procesu mokré granulace léčivl ková SVK ÚOT
Využit ití empirických modelů při i optimalizaci procesu mokré granulace léčivl Jana Kalčíkov ková 5. ročník Školitel: Doc. Ing. Zdeněk k Bělohlav, B CSc. Granulace Prášek Granule Vlhčivo Promíchávání
VíceObsah. Zpráva. Titulní list Účel studie Popis současného stavu Rozbor hydrologických a hydrotechnických údajů Shrnutí Závěr
Obsah Zpráva Titulní list Účel studie Popis současného stavu Rozbor hydrologických a hydrotechnických údajů Shrnutí Závěr Hydrologické a hydrotechnické výpočty Výkresová část Situace zatrubnění 1 : 1 500
VícePUDIS a.s., Nad Vodovodem 2/3258, Praha 10 tel.: , fax: ,
Tento projekt je spolufinancován z Evropského fondu pro regionální rozvoj prostřednictvím Euroregionu NISA EVROPSKÁ UNIE "PŘEKRAČUJEME HRANICE" MĚSTO ŽELEZNÝ BROD Náměstí 3. května 1, PSČ 468 22, IČ 00262633
VíceAlgoritmy a struktury neuropočítačů ASN P4. Vícevrstvé sítě dopředné a Elmanovy MLNN s učením zpětného šíření chyby
Algoritmy a struktury neuropočítačů ASN P4 Vícevrstvé sítě dopředné a Elmanovy MLNN s učením zpětného šíření chyby Vrstevnatá struktura - vícevrstvé NN (Multilayer NN, MLNN) vstupní vrstva (input layer)
VíceGeoinformatika. IX GIS modelování
Geoinformatika IX GIS modelování jaro 2017 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Geoinformatika
VíceGEOINFORMATIKA. -základní pojmy a principy -ukázky aplikací GIS v praxi. Lukáš MAREK a Vít PÁSZTO
GEOINFORMATIKA -základní pojmy a principy -ukázky aplikací GIS v praxi Lukáš MAREK a Vít PÁSZTO GEOINFORMATIKA JE spojením informatiky a geografie uplatnění geografie v počítačovém prostředí je obor, který
VícePV021: Neuronové sítě. Tomáš Brázdil
1 PV021: Neuronové sítě Tomáš Brázdil Cíl předmětu 2 Na co se zaměříme Základní techniky a principy neuronových sítí (NS) Přehled základních modelů NS a jejich použití Co si (doufám) odnesete Znalost základních
VíceLIMITY VYUŽITÍ ÚZEMÍ UŽÍVÁNÍ POZEMKŮ PODÉL KORYTA VODNÍHO TOKU. Objekt limitování. Důvody limitování. Vyjádření limitu
Ústav územního rozvoje, Jakubské nám. 3, 602 00 Brno Tel.: +420542423111, www.uur.cz, e-mail: sekretariat@uur.cz LIMITY VYUŽITÍ ÚZEMÍ Dostupnost: http://www.uur.cz/default.asp?id=2591 3.8.101 UŽÍVÁNÍ POZEMKŮ
VíceKartografické modelování V Hydrologické modelování
Kartografické modelování V Hydrologické modelování jaro 2015 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic
VíceHydrologické poměry obce Lazsko
Hydrologické poměry obce Lazsko Hrádecký potok č.h. p. 1 08 04 049 pramení 0,5 km západně od obce Milín v nadmořské výšce 540 m. n. m. Ústí zleva do Skalice u obce Myslín v nadmořské výšce 435 m. n. m.
VíceGeografické informační systémy GIS
Geografické informační systémy GIS Prohloubení nabídky dalšího vzdělávání v oblasti zeměměřictví a katastru nemovitostí ve Středočeském kraji CZ.1.07/3.2.11/03.0115 Projekt je finančně podpořen Evropským
Vícerežimu vodního toku, (2) Správci povodí a státní podnik Lesy České republiky pozdějších předpisů.
Strana 2645 252 VYHLÁŠKA ze dne 2. srpna 2013 o rozsahu údajů v evidencích stavu povrchových a podzemních vod a o způsobu zpracování, ukládání a předávání těchto údajů do informačních systémů veřejné správy
VíceMožnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz
25. 10. 2012, Praha Ing. Petr Vahalík Ústav geoinformačních technologií Možnosti modelování lesní vegetační stupňovitosti pomocí geoinformačních analýz 21. konference GIS Esri v ČR Lesní vegetační stupně
VíceVýtah z vodohospodářské bilance za rok 2009 pro území MěÚ Náchod jako obce s rozšířenou působností
Výtah z vodohospodářské bilance za rok 2009 pro území MěÚ Náchod jako obce s rozšířenou působností Popis hydrologické situace Srážkové poměry Z hlediska množství spadlých srážek byl rok 2009 jako celek
Více7. Geografické informační systémy.
7. Geografické informační systémy. 154GEY2 Geodézie 2 7.1 Definice 7.2 Komponenty GIS 7.3 Možnosti GIS 7.4 Datové modely GIS 7.5 Přístup k prostorovým datům 7.6 Topologie 7.7 Vektorové datové modely 7.8
VíceGEOGRAFICKÉ INFORMAČNÍ SYSTÉMY Mgr. Aleš RUDA Teorie, základnz kladní principy Organizovaný, počíta tačově založený systém m hardwaru, softwaru a geografických informací vyvinutý ke vstupu, správě,, analytickému
VíceLokační referenční metody a jejich interpretace ve standardech
Lokační referenční metody a jejich interpretace ve standardech Jiří Plíhal Tento příspěvek by rád na konkrétním příkladu standardu přiblížil referenční metody stanovení polohy a zejména jejich dynamickou
VíceFORTANNS. havlicekv@fzp.czu.cz 22. února 2010
FORTANNS manuál Vojtěch Havlíček havlicekv@fzp.czu.cz 22. února 2010 1 Úvod Program FORTANNS je software určený k modelování časových řad. Kód programu má 1800 řádek a je napsán v programovacím jazyku
Více