ZPRÁVA ZA ŘEŠENÍ DÍLČÍHO PROJEKTU DP2 V ROCE 2002
|
|
- Petra Kadlecová
- před 7 lety
- Počet zobrazení:
Transkript
1 Příloha č. DP2 ZPRÁVA ZA ŘEŠENÍ DÍLČÍHO PROJEKTU DP2 V ROCE 22 Návrh modelových nástrojů pro objektivní hodnocení stavu a vývoje znečištění ovzduší v souladu s novým zákonem o ovzduší a směrnicemi EU Zodpovědný řešitel projektu: Odpovědný řešitel dílčího projektu: Spoluřešitelé: RNDr. Josef Keder, CSc., ČHMÚ RNDr. Josef Keder, CSc., ČHMÚ RNDr Jiří Bubník, ČHMÚ Ing Radomír Srněnský, IDEA-ENVI Praha prosinec 22
2 VALIDACE ROZPTYLOVÝCH MODELŮ Část 1
3 Obsah 1 Úvod Návrh kritérií pro hodnocení rozptylových modelů Limitní hodnoty kritérií Datové soubory pro testování modelu SYMOS Datový soubor pro testování úspěšnosti modelu při odhadu hodinových průměrů koncentrací Datové soubory pro testování úspěšnosti modelu při odhadu ročních průměrů Výsledky testování modelového systému SYMOS Výsledky testování pro hodinové průměry Výsledky testování pro roční průměry Shrnutí výsledků testování systému SYMOS Návrh dalšího postupu Literatura
4 1 Úvod Rozptylové modely jsou nástroje k odhadu stupně ovlivnění kvality ovzduší jedním nebo více zdroji znečišťujících látek. Procesy transportu, rozptylu a chemických přeměn látek v ovzduší jsou v modelu reprezentovány rovnicemi a výpočetními algoritmy, které jsou realizovány celou řadou počítačových programů. Po zadání potřebných vstupních údajů poskytují takové programy celou řadu numerických a grafických výstupů, které kvalifikovanému pracovníku umožňují vliv uvedených zdrojů objektivně posoudit. V této souvislosti je třeba zdůraznit, že modelové výstupy samy o sobě nelze považovat za absolutně přesnou predikci skutečného stavu ovzduší. K těmto údajům je třeba přistupovat jako k jednomu z řady podkladů, používaných při posuzování stávajícího nebo budoucího stavu kvality ovzduší v zájmové oblasti a při rozhodování o případném povolení činnosti zdroje (TNRCC, 1999). V každém případě, překročení imisních limitů, indikované modelem, musí být v rámci povolovacího procesu podnětem k jednání o revizi technických parametrů zdroje a podmínek jeho provozování s cílem dodržet imisní limity a naplnit národní a krajské programy ke zlepšení kvality ovzduší. Modelové výpočty v důsledku nejistot vyplývajících z nepřesností v určení emisí a neúplnosti znalostí atmosférických procesů, nepředstavují alternativu měření a jakožto informační zdroj musí být vždy kombinovány s výsledky monitoringu. Porovnání modelových výpočtů s naměřenými údaji rovněž poskytuje jedinou možnost, jak nejistoty modelových výpočtů stanovit. Hodnocení kvality modelů a míry jejich přiblížení k realitě je rovněž nezbytné provádět v případech, kdy by se posuzovala ekvivalentní metoda modelování rozptylu znečišťujících látek podle 2, písm. g) Nařízení vlády č. 35/22 Sb. Návrh kritérií pro hodnocení rozptylových modelů a demonstrace postupu na hodnocení modelu SYMOS je obsahem následujícího textu. 2 Návrh kritérií pro hodnocení rozptylových modelů Základní idea hodnocení kvality modelů transportu a rozptylu znečišťujících látek spočívá v porovnání modelem predikovných koncentrací C pr s reálně naměřenými hodnotami koncentrací C ob. Z těchto hodnot leze konstruovat dva základní typy charakteristik úspěšnosti modelů: Míru diference Míru korelace Míra diference reprezentuje kvantitativní odhad velikosti rozdílu mezi modelem předpovídanými a naměřenými hodnotami, zatímco míra korelace kvantifikuje těsnost statistické vazby mezi pozorovanými a modelovanými hodnotami. Rešerší dostupné literatury (například US EPA, 1992, Kumar, 2) byla získána řada statistických parametrů, navržených pro hodnocení úspěšnosti rozptylových modelů a pro jejich porovnávání mezi sebou. Mezi nejčastěji používané patří: Vychýlení (Bias) Vychýlení C C pr ob charakterizující střední chybu modelu 2
5 Standardizované vychýlení (fractional bias) C pr C ob FB 2 je normalizovaná bezrozměrná charakteristika, nabývající hodnot C pr C ob mezi +2 (extrémní nadhodnocení) a 2 (extrémní podhodnocení), přičemž pro dokonalý model je rovna nule. Hodnoty +.67 a.67 po řadě odpovídají dvojnásobnému nadhodnocení (podhodnocení) skutečnosti modelem. Normalizovaná střední kvadratická chyba ( C pr Cob ) NMSE C C pr ob 2 postihuje rozptyl celého datového souboru. Malé hodnoty této statistiky odpovídají kvalitnějšímu modelu. Korelační koeficient ( C pr C )( C ) pr ob C ob r pr ob je známou a široce používanou charakteristikou těsnosti lineární vazby mezi dvěma náhodnými veličinami. Hodnota blízká 1 ukazuje na dobrou kvalitu modelu. S ohledem na předpokládané logaritmicko-normální rozložení koncentrací se dále používají geometrické střední vychýlení MG exp((ln( C ) ln( C )) pr a geometrická směrodatná odchylka VG C C ob 2 exp((ln( pr ) ln( ob )) ) Charakteristika označovaná jako násobek 2 (factor of two) vystihuje procentuální podíl modelem predikovaných hodnot, které jsou větší než polovina a menší než dvojnásobek odpovídající měřené koncentrace C pr FA2 = podíl dat, pro něž.5 2 C Ideální hodnota FA2=1%. ob 3 Limitní hodnoty kritérií Mezi odborníky, zabývajícími se disperzním modelováním a hodnocením modelů je o optimálním výběru sady testovacích kritérií vedena permanentní diskuse a názory se neustále tříbí a vyvíjejí. Vynikající platformu pro výměnu těchto názorů představuje zejména serie konferencí o harmonizaci modelů (Olesen, 22). V rámci této harmonizační iniciativy byl vytvořen a dále je aktualizován nástroj pro hodnocení kvality modelů, tzv. Model Validation Kit (Olesen, 1999). Za další stupeň ve vývoji statistických metod hodnocení modelů je považována nedávno publikovaná práce, kterou se dosud nepodařilo získat (Eleveld, Slaper, 3
6 22) Pro potřeby hodnocení modelů v ČR byly v této fázi řešení projektu navrženy limitní hodnoty testovacích kritérií, navržené Kumarem (22) a US EPA (1992). Za disperzní model dobré kvality se navrhuje považovat takový, pro nějž testovací parametry splňují dále uvedené podmínky. a) Standardizované vychýlení blízké b) Normalizovaná střední kvadratická chyba NMSE.5 c) Geometrické střední vychýlení a geometrická směrodatná odchylka blízké 1.75 MG VG 1.25 d) Standardizované vychýlení v intervalu e) Faktor 2 v intervalu -.5 FB +.5 FA2.8 US EPA (1992) zavedla testování úspěšnosti modelu při predikci nejvyšších koncentrací ze souboru. K tomuto účelu se využívá parametr FB, aplikovaný na 25 nejvyšších hodnot ze souborů monitorovaných a modelovaných dat (dále značen jako FB25). Za vyhovující se považuje hodnota f) FB25 v intervalu -.67 FB Datové soubory pro testování modelu SYMOS Pro testování kvality rozptylových modelů a jejich porovnávání mezi sebou bylo v průběhu let vytvořeno několik testovacích datových souborů, získaných během experimentů za pečlivě kontrolovaných vstupních podmínek. Mezi nejznámější a nejčastěji používané patří data z experimentů Kincaid, Copenhagen, Lillestroem a Indianopolis (Olesen, 1999). Tyto testovací datové soubory, kde naměřené koncentrace pocházejí pouze z jednoho zdroje s dobře známými parametry, umožňují vystopovat případné zdroje chyb v jednotlivých algoritmech modelů. Na druhé straně je samozřejmě žádoucí porovnat úspěšnost modelů při běžné provozní aplikaci. K tomuto porovnání byla použita emisní a imisní data, rutinně pořizovaná v Informačním systému kvality ovzduší ČHMÚ. 4.1 Datový soubor pro testování úspěšnosti modelu při odhadu hodinových průměrů koncentrací Pro testování kvality algoritmů modelu SYMOS byla využita data ze sady COPENHAGEN (Gryning, Lyck, 22). Tato data byla získána při experimentech, provedených na území Kodaně (Dánsko) v průběhu let Během nich byla ve výšce 115 m uvolňována stopovací látka SF 6 (hexafluorid síry), jejíž koncentrace byla měřeny v rovinném terénu ve výšce 2-3 m nad zemí analyzátory, umístěnými na třech kruhových obloucích se středem v místě emise. Uspořádání experimentu je znázorněno na obrázku 1 (Gryning, Lyck, 22). Meteorologická data byla měřena na několika úrovních stožáru o výšce 2m. Pro hodnocení modelu SYMOS bylo použito celkem 9 z 1 z datových souborů koncentrací a vstupních emisních a meteorologických dat. Stabilitní třídy podle klasifikace Bubník- Koldovský (ČHMÚ, 1998) byly vyhodnoceny ze stožárových měření gradientu teploty mezi hladinami 4 m a 2 m nad terénem. V průběhu experimentu se vyskytly pouze stabilitní 4
7 třídy IV (normální) a V (konvektivní). Směr a rychlost větru pro modelový výpočet byly použity z hladiny 12 m (hodinové průměry). Obr. 1 Rozložení měřicích bodů při experimentu COPENHAGEN Vstupní data pro modelové výpočty jsou uvedena v tabulce 1. V posledním sloupci je uveden směr osy stopy vlečky na zemském povrchu, vyhodnocený z měření koncentrace stopovací látky. 5
8 Tabulka 1 Vstupní data pro modelové výpočty Pořadí experimentu Datum Emise SF 6 (g/s) Směr větru v hladině 12 m (stupně) Rychlost větru v hladině 12 m (m.s -1 ) Třída stability Směr osy vlečky na povrchu (stupně Konvektivní Normální Normální Normální Normální Normální Normální Normální Normální 254 Koncentrace stopovací látky (hodinové průměry) byla vypočtena standardními procedurami modelu SYMOS ve všech referenčních bodech, kde byla prováděna měření. Vzhledem k tomu, že SF 6 je nereaktivní látka, nebyly pří výpočtu aktivovány algoritmy popisující odstraňování znečišťující látky z ovzduší. Rovněž nebyla použita korekce na složitý terén, s ohledem na téměř dokonale rovinný terén v oblasti experimentu. 4.2 Datové soubory pro testování úspěšnosti modelu při odhadu ročních průměrů. Modelové výpočty pomocí systému SYMOS se rutinně používají pro výpočet ročních průměrných koncentrací znečišťujících látek. Pro účely ověření kvality modelu byly použity výsledky modelových výpočtů ročních průměrů koncentrace oxidu siřičitého a sumy oxidů dusíku (NO x ) na území ČR v pro roky 1999 a 2. Pro potřeby výpočtu byla oblast ČR rozdělena na 14 subregionů a v každém byla použita jiná roční větrná růžice. Byly využity kompletní dostupné emisní inventury, včetně významných zahraničních zdrojů. Modelový výpočet proběhl v plné verzi, tedy včetně algoritmů odstraňování látek z ovzduší a korekce na složitý terén. Průměrné roční koncentrace byly počítány v síti referenčních bodů 2x2 km, pokrývající celé území ČR. Pokud se uvnitř takového čtverce se středem v referenčním bodě nalézala imisní měřicí stanice, byly její údaje využity pro hodnocení. Celkem bylo pro hodnocení modelu použito více než 3 měřicích bodů pro oxid siřičitý a 17 stanic pro oxidy dusíku. Byly použity údaje všech organizací, které přispívají do systému ISKO a jejichž data jsou běžně publikována v ročenkách. 6
9 5 Výsledky testování modelového systému SYMOS Pro testování modelu byly použity statistické charakteristiky, popsané v kapitole 3. Za veličinu C pr byly dosazeny výsledky modelových výpočtů (predikcí), jako měřené hodnoty C ob byly postupně použity hodinové průměru SF 6 a roční průměry SO 2 a NO x. 5.1 Výsledky testování pro hodinové průměry V tabulce 2 jsou shrnuty hodnoty testovacích charakteristik. Je zřejmé, že jejich proměnlivost se od experimentu k experimentu výrazně mění. Zvláště zřetelná je variabilita vychýlení (bias), NMSE, korelačního koeficientu a faktoru 2. Hodnoty korelačního koeficientu ukazují na těsnou statistickou vazbu mezi modelem predikovanými a měřenými hodnotami pro experimenty 8 a 9, špatná korelace je například pro experimenty 2 a 3. Tabulka 2 Hodnoty testovacích charakteristik pro jednotlivé experimenty Pořadí experimentu Vychýlení FB FB25 NMSE Corr MG VG FA Při hledání příčin těchto rozdílů mezi experimenty a rozdílů v kvalitě modelového odhadu je užitečné si všimnout rozdílu mezi směrem větru v hladině 12 m, pro který byl modelový výpočet proveden, a směrem osy vlečky na zemi v posledním sloupci Tabulky 1. Pro experimenty 8 a 9 jsou oba směry prakticky totožné, u ostatních experimentů jsou vidět větší či menší rozdíly, pohybující se od 5 do 16 stupňů. Na obrázku 2 jsou znázorněny hodnoty koncentrace stopovací látky, modelované (C pr ) a změřené (C ob ) pro experiment 2 v monitorovacích bodech podél oblouků 1 a 2 (Obr. 1). Je vidět shoda ve tvaru obou koncentračních křivek, osy modelované a měřené vlečky jsou však výrazně posunuté. Po provedení modelového výpočtu pro takový směr větru, aby osa modelované vlečky měla směr shodný s osou vlečky na zemském povrchu, se shoda měřených a modelovaných hodnoty výrazně zlepší (Obr. 3). Výrazné zlepšení shody měřených a modelových dat dokumentují též rozptylové diagramy na obrázku 4. 7
10 Cpr Cob Koncentrace [ng.m -3 ] Pořadí monitorovcích bodů podél oblouků 1 a 2 Obr. 2 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment Cpr Cob Koncentrace [ng.m -3 ] Pořadí monitorovcích bodů podél oblouků 1 a 2 Obr. 3 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment 2 po korekci směru větru 8
11 Model Bez korekce směru větru Měření Model Po korekci směru větru Měření Obr. 4 Porovnání shody měřených a modelovaných dat rozptylovými diagramy po korekci směru větru experiment 2 Oprava směru větru tak, aby souhlasil se směrem osy vlečky na povrchu, byly provedeny pro všechny zbylé experimenty s výjimkou posledních dvou, pro něž se směr větru v hladině 12 m a směr osy vlečky na zemi shodovaly. V tabulce 3 jsou sumarizovány statistické charakteristiky kvality modelu po provedení výpočtů s korigovaným směrem větru. Hodnoty korelačního koeficientu ukazují na výrazné zlepšení vazby mezi měřenými a modelovanými hodnotami koncentrace stopovací látky. Zlepšení kvality modelovaných hodnot je rovněž zřejmé z poklesu hodnot normované střední kvadratické chyby NMSE a C pr zvýšení podílu hodnot, pro něž platí podmínka.5 2. C Tabulka 3 Hodnoty testovacích charakteristik pro jednotlivé experimenty po opravě směru větru Pořadí experimentu ob Vychýlení FB FB25 NMSE Corr MG VG FA V tabulce jsou zvýrazněny hodnoty charakteristik, které splňují limity, vytyčené v kapitole 3. Je vidět, že nejlepší výsledky byly dosaženy při modelování experimentu 9. V případě tohoto experimentu nebylo nutno provést výpočet s opravou směru větru, protože směr osy vlečky se shodoval se směrem větru ve výšce 12 m. Při žádném z experimentů nebylo dosaženo požadované hodnoty FA2>8%. Dobrá shoda modelových a měřených hodnot při experimentu 9 je patrná z obrázků 5 a 6. 9
12 Cpr Cob Koncentrace [ng.m -3 ] Pořadí monitorovcích bodů podél oblouků 1 až 3 Obr. 5 Porovnání modelových a naměřených hodnot koncentrace stopovací látky v monitorovacích bodech pro experiment 9 4 Model Měření Obr. 6 Porovnání měřených a modelovaných dat - experiment 9 Z předešlých výsledků je zřejmé, že kvalita modelových výpočtů v malých vzdálenostech od zdroje, kdy je vlečka zdroje dosud úzká a horizontální gradienty přízemní koncentrace vysoké, je výrazně závislá na správném zadání směru větru, kterým je vlečka přenášena. Pokud je významný rozdíl mezi směrem větru v úrovni zdroje a v blízkosti zemského povrchu, mohou vzniknout podstatné rozdíly mezi modelovanými a měřenými koncentracemi. Experiment 9 byl využit pro testování vlivu odchylky v zadání směru větru ve výšce zdroje od směru šíření vlečky v blízkosti povrchu. Výpočty koncentrace stopovací látky v bodech odpovídajících měřicím místům byly postupně provedeny pro odchylku zadaného směru větru od směru osy vlečky na zemském povrchu v rozpětí od 15 do 15 úhlových stupňů, s krokem 5 stupňů. Vypočtené hodnoty byly porovnány s měřenými a pro každý výpočet byla vyčíslena sada testovacích kritérií. Hodnoty kritérií jsou shrnuty v tabulce 4. Hodnoty ve zvýrazněných polích tabulky vyhovují limitním kritériím, navrženým v kapitole 3. 1
13 Tabulka 4 Závislost kvality modelového odhadu na odchylce v zadaném směru větru Odchylka směru větru (stupně) Vychýlení FB FB25 NMSE Corr MG VG FA Vychýlení NMSE Odchylka směru větru [stupně] Odchylka směru větru [stupně] Corr MG a VG Odchylka směru větru [stupně] Odchylka směru větru [stupně] MG VG FA2 FB Odchylka směru větru [stupně] Odchylka směru větru [stupně] Obr. 7 Závislost kvality modelového odhadu na odchylce v zadaném směru větru 11
14 Kvalita modelového odhadu v blízkosti zdroje rychle klesá se zvětšující se odchylkou zadaného směru větru ve výšce zdroje od směru vlečky při zemi. Výjimku tvoří geometrické střední vychýlení a geometrická směrodatná odchylka, jejichž hodnoty splňují toleranční meze pro velké diference směru. Výrazná závislost chyby modelového odhadu je zřejmá též z obrázku 7. Vodorovnými čarami jsou v grafech vyznačeny limitní hodnoty kritérií. Uvedené hodnocení dokumentuje citlivost odhadu pole koncentrací v blízkosti zdroje gaussovským modelem na správném určení směru šíření vlečky zdroje. 5.2 Výsledky testování pro roční průměry Na rozdíl od popsaných experimentů, prováděných v kontrolovaných podmínkách, se do nejistoty modelových odhadů ročních průměrů koncentrací promítá řada dalších neurčitostí v určení vstupních dat modelu, zejména emisních dat a vlivu složitého terénu. Pro porovnání modelovaných ročních průměrů koncentrace s údaji měřenými na monitorovacích stanicích byla použita stejná testovací kritéria, jako v předešlém hodnocení pro hodinové průměry. Protože míra shody mezi modelovými a měřenými daty může být ovlivněna umístěním a reprezentativností stanice, bylo srovnání provedeno jednak pro všechny stanice bez rozlišení jejich typu, jednak zvlášť pro stanice venkovské a stanice městského a předměstského typu Výsledky testování pro oxid siřičitý Výsledky testování kvality modelu jsou sumarizovány v tabulce 5. Hodnoty testovacích kritérií, splňujících limitní hodnoty, jsou v tabulce zvýrazněny. Tabulka 5 Hodnoty testovacích kritérií pro roční průměry oxidu siřičitého v letech 1999 a 2 Rok Typ stanice Vychýlení FB FB25 NMSE Corr MG VG FA Všechny Venkovské Městské a předměstské Všechny Venkovské Městské a předměstské Vychýlení (bias), standardizované vychýlení a standardizované vychýlení pro 25 nejvyšších hodnot ukazuje na mírné podcenění ročních koncentrací modelem, rozdíl je však velmi malý pro všechny typy stanic v obou letech. Hodnota faktoru 2 nepřesáhla ani v jenom z případů navrženou limitní hodnotu 8%, nejlepší hodnota tohoto parametru byla dosažena v roce 1999 pro venkovské stanice. Kvalita modelování byla lepší v roce 1999 než v roce následujícím, kdy parametry NMSE, MG a VG vybočily z tolerančního pásma. Následující obrázky zachycují rozptylové diagramy, porovnávající měřené a modelované hodnoty ročních průměrů SO 2. Na grafech jsou vyznačeny hranice oblasti, kde modelované C pr hodnoty splňují podmínku.5 2. C ob 12
15 3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 Oxid siřičitý, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 2 Model Měření Obr. 8 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého v roce 1999, rozlišení podle typu monitorovací stanice 3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 2 Oxid siřičitý, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 2 Model Měření Obr. 9 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého v roce 2, rozlišení podle typu monitorovací stanice 13
16 3 25 Porovnání naměřených hodnot s výsledky modelu SYMOS pro roky 1999 a 2 Oxid siřičitý, průměrné roční koncentrace Rok 1999 Rok 2 Model = Měření Model = 2*Měření Model =.5*Měření 2 Model Měření Obr. 1 Porovnání modelových a měřených hodnot ročních průměrů oxidu siřičitého pro roky 1999 a 2 Rozptylové grafy potvrzují závěr, že v roce 2 byla kvalita modelového odhadu horší ve srovnání s rokem Nejsou zřetelné rozdíly mezi hodnocením pro venkovské a městské stanice. Některé dílčí výsledky, které nebyly do zprávy zahrnuty, nicméně naznačily, že by bylo vhodné provést srovnání mezi modelem a měřením též s ohledem na provozovatele jednotlivých stanic Výsledky testování pro oxidy dusíku Výsledky testování kvality modelu pro oxidy dusíku jsou shrnuty v tabulce 6. Hodnoty testovacích kritérií, splňujících limitní hodnoty, jsou v tabulce zvýrazněny. Tabulka 6 Hodnoty testovacích kritérií pro roční průměry oxidů dusíku v letech 1999 a 2 Rok Typ stanice Vychýlení FB FB25 NMSE Corr MG VG FA Všechny Venkovské Městské a předměstské Všechny Venkovské Městské a předměstské
17 Z hodnot parametrů vychýlení, standardizované vychýlení a standardizované vychýlení pro 25 nejvyšších hodnot lze usoudit na výraznější podcenění ročních koncentrací oxidů dusíku modelem pro všechny typy stanic v obou letech, než tomu bylo pro oxid siřičitý. Hodnota faktoru 2 nepřesáhla ani v tomto případě 8%, nejlepší hodnota tohoto parametru byla dosažena v roce 1999 pro městské a předměstské stanice. Kvalita modelování byla lepší v roce 1999, v roce 2 bylo zjištěno výraznější podcenění koncentrací NO x modelem. Z vyhodnocení rozptylových grafů na obrázcích 11, 12 a 13 vyplývá shodný závěr: v roce 1999 byl modelový odhad lepší pro městské a předměstské stanice. Na venkovských stanicích byly hodnoty koncentrací podhodnoceny s faktorem přibližně.5. V roce 2 je podcenění průměrných ročních koncentrací oxidů dusíku modelem zřetelné u obou typů stanic, výraznější je opět pro stanice venkovské. Z meziročního srovnání, bez rozlišení typu stanic, vyplývá výraznější podcenění koncentrací modelovými výpočty v roce 2 než v roce Podobně jako v případě oxidu siřičitého se objevila řada stanic, pro něž porovnávané párované hodnoty měření-model leží mimo oblast, vymezenou hranicemi pro FA2. Rovněž pro NO x by tudíž zřejmě bylo vhodné provést testování s ohledem na provozovatele stanic a ověřit, zda se výrazné rozdíly nekumulují u stanic provozovaných stejným subjektem Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 Oxidy dusíku, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 12 Model Měření Obr. 11 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku v roce 1999, rozlišení podle typu monitorovací stanice 15
18 Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 2 Oxidy dusíku, průměrné roční koncentrace Městské a předměstské stanice Venkovské stanice Model = Měření Model = 2*Měření Model =.5*Měření 12 Model Měření Obr. 12 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku v roce 2, rozlišení podle typu monitorovací stanice Porovnání naměřených hodnot s výsledky modelu SYMOS pro rok 1999 a 2 Oxidy dusíku, průměrné roční koncentrace Rok 1999 Rok 2 Model = Měření Model = 2*Měření Model =.5*Měření 12 Model Měření Obr. 13 Porovnání modelových a měřených hodnot ročních průměrů oxidů dusíku pro roky 1999 a 2 16
19 5.3 Shrnutí výsledků testování systému SYMOS Testování modelového systému SYMOS na datových souborech hodinových průměrů koncentrace SF 6 a souborech ročních průměrů oxidu siřičitého a oxidů dusíku s použitím navržených testovacích statistických kritérií ukázalo, že modelované hodnocení pomocí SYMOS poskytuje výsledky srovnatelné kvality, které se uvádějí pro modely této třídy v literatuře (např. Batchvarova, Syrakov, 22). Srovnání ukázalo citlivost výsledků modelu v malé vzdálenosti od zdroje na správné zadání směru větru v úrovni výšky zdroje. V této oblasti je vlečka dosud úzká a horizontální gradienty koncentrace vysoké. Model dobře vystihuje šířku vlečky na těchto vzdálenostech, vykazuje však tendenci podceňovat zejména maximální koncentrace v ose vlečky. Výsledky modelování ročních průměrných koncentrací oxidu siřičitého pro roky 1999 a 2 jsou uspokojivé. Pro markantní rozdíly mezi modelovými a měřenými hodnotami, zejména takové, kdy příslušné datové body leží mimo toleranční pásmo pro parametr FA2, je nutno prověřit, zda nebyly způsobeny systematickými odchylkami měření. Model SYMOS podceňuje hodnoty ročních průměrů koncentrace oxidů dusíku, zjištěné v monitorovací síti v letech 1999 a 2. Oproti původnímu očekávání, že budou nalezeny větší rozdíly mezi modelem a měřením pro stanice městského typu se ukázalo, že podcenění ročních průměrů je větší pro venkovské stanice. 6 Návrh dalšího postupu Testování modelového systému SYMOS bude vhodné provést shodným způsobem na datových souborech za rok 21 a zjistit, zda testovací charakteristiky vykazují podobné chování jako v předešlých letech. Bude rovněž prověřeno, zda velké rozdíly mezi modelovými a měřenými hodnotami nejsou typické pro skupiny stanic, vykazujících společné znaky. Stejným postupem jako SYMOS budou testovány další referenční modely ATEM a AEOLIUS. Nutnou podmínkou pro testování modelu pro uliční kaňony AEOLIUS je získání dostatečně reprezentativního datového souboru z takzvané hotspot stanice, jejíž instalace se v současné době připravuje. 17
20 7 Literatura Batchvarova, E., Syrakov, D., (editors) 22: Eigth International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purposes. Proceedings. Sofia, Bulgaria, October 22 ČHMÚ, 1998, SYMOS 97 Systém modelování stacionárních zdrojů, Metodická příručka. Eleveld, H., Slaper, H., 22: Development and application of an extended methodology to validate short-range Quantitative methods for Current Environmental Issues, ed. Anderson C.W., Barnet, V., Chatwin, P.C., El-Shaaravi, A.H., Springer-Verlag, pp Gryning S.E, Lyck, E., 22: The Copenhagen Tracer Experiments: Reporting of Measurements. Risø-R-154(rev.1)(EN), Risø National Laboratory, Roskilde, Denmark, August 22. Kumar, A., 22: Evaluation of hazardous Release Models Olesen, H.R.,1995, Data Sets and Protocol for Model Validation. Workshop on Operational Short-range Atmospheric Dispersion Models for Environmental Impact Assessment in Europe, Mol, Belgium, Nov. 1994, Int. J. Environment and Pollution, Vol. 5, Nrs. 4-6, Olesen, H.R.,1999: Model Validation Kit Recent Developments. Proc. of the 6th International Conference on Harmonisation within Atmospheric Dispersion Modelling for Regulatory Purpose in Rouen, October Olesen, H.R., 22: Ten years of Harmonisation activities: Past, present and future Available on the web: Belgiratepapers.asp TNRCC, 1999: Texas Natural Resource Conservation Commission (TNRCC), Air Quality Modeling Guidelines RG-25 (revised), US EPA, 1992: Protocol for Determining the Best Performing Model, EPA-454/R-92-25, US EPA, 1992 Office of Air Quality Planning and Standards, Technical Support Division, Research Triangle Park, NC
Návrh postupu pro stanovení četnosti překročení 24hodinového imisního limitu pro suspendované částice PM 10
Návrh postupu pro stanovení četnosti překročení 24hodinového imisního limitu pro suspendované částice PM 1 Tento návrh byl vypracován v rámci projektu Technologické agentury ČR č. TA23664 Souhrnná metodika
VíceMeteorologické minimum
Meteorologické minimum Stabilitně a rychlostně členěné větrné růžice jako podklad pro zpracování rozptylových studií Bc. Hana Škáchová Oddělení modelování a expertíz Úsek ochrany čistoty ovzduší, ČHMÚ
VíceModelování rozptylu suspendovaných částic a potíže s tím spojené
Modelování rozptylu suspendovaných částic a potíže s tím spojené Konzultační den hygieny ovzduší 13.12.2005 Josef Keder Český hydrometeorologický ústav keder@chmi.cz Osnova Proč modelování? Modelování
VíceVerifikace modelu Symos. Mgr. Ondřej Vlček Mgr. Zdenka Chromcová, Ph.D. Oddělení modelování a expertiz Úsek ochrany čistoty ovzduší, ČHMÚ
Verifikace modelu Symos Mgr. Ondřej Vlček Mgr. Zdenka Chromcová, Ph.D. Oddělení modelování a expertiz Úsek ochrany čistoty ovzduší, ČHMÚ Ochrana ovzduší ve státní správě, Třebíč 8. 11. 2016 Osnova Motivace
VíceZdroje dat o kvalitě ovzduší a možnosti práce s nimi imise RNDr. Leona Matoušková, Ph.D.
ODBORNÉ VZDĚLÁVÁNÍ ÚŘEDNÍKŮ PRO VÝKON STÁTNÍ SPRÁVY OCHRANY OVZDUŠÍ V ČESKÉ REPUBLICE Zdroje dat o kvalitě ovzduší a možnosti práce s nimi imise RNDr. Leona Matoušková, Ph.D. Webové stránky ČHMÚ www.chmi.cz
VíceValidace modelu Symos
Validace modelu Symos Seminář OČO, Kletečná, 22. 9. 2016 Zdenka Chromcová Validace Symos Datové sady: Copenhagen (Dánsko, 1978 79, podzim, přelom jaroléto) Kincaid (Illinois, USA, 1980 81, duben červenec,
VíceModelování znečištění ovzduší. Josef Keder ČHMÚ Praha
Modelování znečištění ovzduší Josef Keder ČHMÚ Praha Přehled Proč se používá modelování Typy modelů, principy modelování šíření znečišťujících látek Modelování šíření pachových látek Nejistoty modelů Výstupy
VíceINFORMAČNÍ SYSTÉMY PRO KRIZOVÉ ŘÍZENÍ POUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO MODELOVÁNÍ A SIMULACE KRIZOVÝCH SITUACÍ - T6 ING.
INFORMAČNÍ SYSTÉMY PRO KRIZOVÉ ŘÍZENÍ POUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO MODELOVÁNÍ A SIMULACE KRIZOVÝCH SITUACÍ - T6 ING. JIŘÍ BARTA Operační program Vzdělávání pro konkurenceschopnost Projekt: Vzdělávání
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
VíceVÝSLEDKY MĚŘENÍ ZNEČIŠTĚNÍ OVZDUŠÍ V BOLATICÍCH 12. 12. 211 27. 1. 212 Zpracoval: Český hydrometeorologický ústav, pobočka Ostrava Mgr. Blanka Krejčí Lokalita CZ I - Bolatice Měření 12. 12. 211-27. 1.
VíceO MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY. RNDr. Josef Keder, CSc.
O MOŽNOSTI ADJUSTACE IMISNÍCH KONCENTRACÍ NA METEOROLOGICKÉ PODMÍNKY RNDr. Josef Keder, CSc. Zadání úlohy V souladu s požadavkem zadavatele (MŽP) bude zpracována metodika, umožňující oprostit průměrné
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VíceVyužití rozptylových studií pro hodnocení zdravotních rizik. MUDr.Helena Kazmarová Státní zdravotní ústav Praha
Využití rozptylových studií pro hodnocení zdravotních rizik MUDr.Helena Kazmarová Státní zdravotní ústav Praha Obsah Hodnocení zdravotních rizik Expozice Popis imisní situace možnosti a problémy Rozptylové
VíceRozvoj metodiky tvorby map znečištění. Jan Horálek Pavel Kurfürst, Nina Benešová, Roman Juras, Jana Ďoubalová
Rozvoj metodiky tvorby map znečištění Jan Horálek Pavel Kurfürst, Nina Benešová, Roman Juras, Jana Ďoubalová 1. Stávající metodika mapování a její použití 2. Rozvoj mapování NO 2 pomocí LC a dopravních
VíceSledování a hodnocení kvality ovzduší v ČR
Sledování a hodnocení kvality ovzduší v ČR (zejména z pohledu ČHMÚ) Jan Macoun Český hydrometeorologický ústav, macoun@chmi.cz Seminář Atmosférická chemie a její interakce s procesy v atmosféře. 3. září
VíceStav a vývoj kvality ovzduší v Praze-Satalicích v letech 2004 2013
Stav a vývoj kvality ovzduší v Praze-Satalicích v letech 2004 2013 a) Zhodnocení stavu a vývoje kvality ovzduší v Praze-Satalicích v letech 2004-2013 zejména vzhledem k zprovoznění Vysočanské radiály.
VícePROJEKT DOPRAVA prezentace výsledků
PROJEKT DOPRAVA prezentace výsledků S:\!Projekty\_Interni projekty\doprava Jan Sládeček, Lea Paličková, Jana Ďoubalová, Václav Novák, Jan Horálek, Josef Keder, Martin Beran, Hana Škáchová, Leona Vlasáková
VíceK MOŽNOSTI IDENTIFIKACE PŮVODU ZNEČIŠTĚNÍ OVZDUŠÍ POMOCÍ KOMBINACE IMISNÍCH A METEOROLOGICKÝCH MĚŘENÍ. Josef Keder
K MOŽNOSTI IDENTIFIKACE PŮVODU ZNEČIŠTĚNÍ OVZDUŠÍ POMOCÍ KOMBINACE IMISNÍCH A METEOROLOGICKÝCH MĚŘENÍ Josef Keder keder@chmi.cz Víme: co, kolik, kde, kdy Kvalitně prováděná měření koncentrací znečišťujících
Vícelaboratorní technologie
Kreatinin srovnání metod pro stanovení hladiny v moči D. Friedecký, R. Hušková, P. Chrastina, P. Hornik a T. Adam Kreatinin je jedním z nejčastěji stanovovaných analytů v biochemické laboratoři. V tomto
VíceDETEKCE FUGITIVNÍCH EMISÍ Z POVRCHOVÝCH UHELNÝCH LOMŮ. Josef Keder Lubomír Paroha
DETEKCE FUGITIVNÍCH EMISÍ Z POVRCHOVÝCH UHELNÝCH LOMŮ Josef Keder keder@chmi.cz Lubomír Paroha paroha@acnend.cz Motivace V současné době začala být akcentována otázka příspěvku fugitivních emisí z povrchových
VíceZpracovánírozptylových studií, příklady z praxe
Zpracovánírozptylových studií, příklady z praxe (dopad stavby silnice prodloužená Rudná-hranice okr. Opava ) Vladimíra Volná Co je rozptylovástudie a pročse zpracovává - Modelové výpočty koncentrací znečišťujících
VíceRozptyl emisí. Ochrana ovzduší ZS 2012/2013
Rozptyl emisí Ochrana ovzduší ZS 01/013 1 Úvod emise přenos imise Závažné zdroje znečišťování posudek EIA rozptylová studie Šíření znečišťujících látek v přízemní vrstvě atmosféry Přenos znečišťujících
VíceODBORNÝ POSUDEK NA STANOVENÍ PODÍLŮ ZDROJŮ ZNEČIŠŤOVÁNÍ OVZDUŠÍ NA IMISNÍ ZÁTĚŽI KRÁLOVÉHRADECKÉHO KRAJE V ROCE 2001
PŘÍLOHA ODBORNÝ POSUDEK NA STANOVENÍ PODÍLŮ ZDROJŮ ZNEČIŠŤOVÁNÍ OVZDUŠÍ NA IMISNÍ ZÁTĚŽI KRÁLOVÉHRADECKÉHO KRAJE V ROCE 001 1. Úvod Výpočet podílů zdrojů znečišťování ovzduší na imisním zatížení Královéhradeckého
VíceUNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE
UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT V OSTRAVĚ 20.3.2006 MAREK MOČKOŘ PŘÍKLAD Č.1 : ANALÝZA VELKÝCH VÝBĚRŮ Zadání: Pro kontrolu
Vícevzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
VíceA-PDF Split DEMO : Purchase from www.a-pdf.com to remove the watermark
A-PDF Split DEMO : Purchase from www.a-pdf.com to remove the watermark STŘEDNĚDOBÁ STRATEGIE (DO ROKU 2020) ZLEPŠENÍ KVALITY OVZDUŠÍ V ČR Tabulka 47: Úplná emisní bilance kraje Vysočina, údaje rok 2011,
VíceMonitorování kvality ovzduší v České republice
Monitorování kvality ovzduší v České republice Jaroslav Šantroch, Jana Ostatnická Český hydrometeorologický ústav Sezimovo Ústí 4. 6.. 006 Sledování kvality ovzduší legislativně vymezují Český hydrometeorologický
VíceMATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ
MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),
VíceNázev lokality Stehelčeves 53,91 41,01 40,92 48,98 89,84 55,06 43,67 Veltrusy 13,82 14,41
Název lokality 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Stehelčeves 53,91 41,01 40,92 48,98 89,84 55,06 43,67 Veltrusy 13,82 14,41 Kromě meteorologických podmínek má na koncentrace suspendovaných
VíceROZPTYLOVÉ STUDIE PRO PACHOVÉ LÁTKY. Josef Keder Český hydrometeorologický ústav
ROZPTYLOVÉ STUDIE PRO PACHOVÉ LÁTKY Josef Keder Český hydrometeorologický ústav Proč modelovat pachové látky vážný sociálně společenský problém BRNO, 18. - 20.11.2008 2 Proč modelovat pachové látky Přítomnost
VícePravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
VícePožadavky na zpracování rozptylových studií. Kateřina Sukdolová, Alena Kacerovská 1. prosince 2011 Hradec Králové
Požadavky na zpracování rozptylových studií Kateřina Sukdolová, Alena Kacerovská 1. prosince 2011 Hradec Králové Obsah Účel rozptylové studie Legislativní rámec Autorizace ke zpracování rozptylových studií
VíceIdentifikace zdrojů znečišťování ovzduší
Identifikace zdrojů znečišťování ovzduší Libor Černikovský Oddělení ochrany čistoty ovzduší, pobočka Ostrava Výroční seminář ÚOČO, Kletečná, 21. 9. 2016 Identifikace zdrojů znečišťování Spolupráce ČHMÚ
VíceAproximace a vyhlazování křivek
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc 1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI
VíceMgr. Jan Macoun, PhD. Organizace Český hydrometeorologický ústav, Praha Název textu Modelový systém AIRVIRO BK7 - Specializované modelové systémy
Autor Mgr. Jan Macoun, PhD. Organizace Český hydrometeorologický ústav, Praha Název textu Modelový systém AIRVIRO Blok BK7 - Specializované modelové systémy Datum Prosinec 2001 Poznámka Text neprošel redakční
Vícepřesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod
přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod Měření Pb v polyethylenu 36 různými laboratořemi 0,47 0 ± 0,02 1 µmol.g -1 tj. 97,4 ± 4,3 µg.g -1 Měření
VícePorovnání dvou výběrů
Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů
VícePlán rozvoje oboru ochrany čistoty ovzduší ČHMÚ do roku 2020
Plán rozvoje oboru ochrany čistoty ovzduší ČHMÚ do roku 2020 Jan Macoun Český hydrometeorologický ústav, macoun@chmi.cz Ochrana ovzduší ve státní správě X, teorie a praxe Hustopeče, 10. 12. listopadu 2015
VíceTvorba nelineárních regresních modelů v analýze dat
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Tvorba nelineárních regresních modelů v analýze dat Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza
VícePříklad 2: Obsah PCB v játrech zemřelých lidí. Zadání: Data: Program:
Příklad 2: Obsah PCB v játrech zemřelých lidí Zadání: V rámci Monitoringu zdraví byly měřeny koncentrace polychlorovaných bifenylů vjátrech lidí zemřelých náhodnou smrtí ve věku 40 let a více. Sedm vybraných
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
VícePříprava meteorologických dat pro zkoumané oblasti
Informační systém kvality ovzduší v oblasti Polsko-Českého pohraničí ve Slezském a Moravskoslezském regionu CZ.3.22/1.2.00/09.01610 Příprava meteorologických dat pro zkoumané oblasti Manažerské shrnutí
VícePrincip hodnocení významnosti zdrojů pro stanovení emisních stropů. Nízkoemisní zóny
Princip hodnocení významnosti zdrojů pro stanovení emisních stropů Nízkoemisní zóny Princip hodnocení významnosti zdrojů pro stanovení emisních stropů Významnost bude stanovena na základě odhadu jejich
VíceStávající provoz kamenolomu Rančířov ROZPTYLOVÁ STUDIE. Zpracováno dle zákona č. 201/2012 Sb., o ovzduší, v platném znění a metodiky SYMOS 97
Stávající provoz kamenolomu Rančířov ROZPTYLOVÁ STUDIE Zpracováno dle zákona č. 201/2012 Sb., o ovzduší, v platném znění a metodiky SYMOS 97 Zpracoval: ing. Pavel Cetl Brno, červenec 2013 Obsah OBSAH...3
VíceZKUŠEBNÍ PROTOKOLY. B1M15PPE / část elektrické stroje cvičení 1
ZKUŠEBNÍ PROTOKOLY B1M15PPE / část elektrické stroje cvičení 1 1) Typy testů 2) Zkušební laboratoře 3) Dokumenty 4) Protokoly o školních měřeních 2/ N TYPY TESTŮ PROTOTYPOVÉ TESTY (TYPOVÁ ZKOUŠKA) KUSOVÉ
VíceTECHNICKÉ SLUŽBY OCHRANY OVZDUŠÍ OSTRAVA spol. s r.o. člen skupiny TESO ROZPTYLOVÁ STUDIE. č. E/4848/2017/RS
TECHNICKÉ SLUŽBY OCHRANY OVZDUŠÍ OSTRAVA spol. s r.o. člen skupiny TESO ROZPTYLOVÁ STUDIE č. E/4848/2017/RS Příprava stavby plynových kotelen v Orlové Zadavatel: TZB Orlová s.r.o. Slezská 1288 735 14 Orlová
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
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceJosef Keder, Lenka Janatová Český hydrometeorologický ústav
ZHODNOENÍ MOŽNOSTI SNÍŽENÍ ČETNOSTI VÝSKYTU PŘEKRAČOVÁNÍ IMISNÍH LIMITŮ ESTOU REGULAE EMISÍ Josef Keder, Lenka Janatová Český hydrometeorologický ústav MOTIVAE Potřeba aplikace vhodných opatření k expozici
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceROZPTYLOVÉ PODMÍNKY A JEJICH VLIV NA KONCENTRACI AEROSOLOVÝCH ČÁSTIC PM 10 V LOKALITĚ MOSTECKÉHO JEZERA
ROZPTYLOVÉ PODMÍNKY A JEJICH VLIV NA KONCENTRACI AEROSOLOVÝCH ČÁSTIC PM 10 V LOKALITĚ MOSTECKÉHO JEZERA Ing. Jan Brejcha, Výzkumný ústav pro hnědé uhlí a.s., brejcha@vuhu.cz Vodárenská a biologie 2015
VíceZABEZPEČENÍ KVALITY V LABORATOŘI
ZABEZPEČENÍ KVALITY V LABORATOŘI David MILDE, 2014-2017 QUALITY KVALITA (JAKOST) Kvalita = soubor znaků a charakteristik výrobku či služby, který může uspokojit určitou potřebu. Kvalita v laboratoři=výsledky,které:
VíceObsah přednášky Jaká asi bude chyba modelu na nových datech?
Obsah přednášky Jaká asi bude chyba modelu na nových datech? Chyba modelu Bootstrap Cross Validation Vapnik-Chervonenkisova dimenze 2 Chyba skutečná a trénovací Máme 30 záznamů, rozhodli jsme se na jejich
VíceChyby spektrometrických metod
Chyby spektrometrických metod Náhodné Soustavné Hrubé Správnost výsledku Přesnost výsledku Reprodukovatelnost Opakovatelnost Charakteristiky stanovení 1. Citlivost metody - směrnice kalibrační křivky 2.
VíceMěření znečištění ovzduší, transhraniční přenos
Měření znečištění ovzduší, meteorologicko-imisní imisní vztahy, transhraniční přenos Zdeněk Blažek, Libor Černikovský, Blanka Krejčí, Vladimíra Volná Český hydrometeorologický ústav Aktivity ČHMÚ v projektu
VíceVyjadřování přesnosti v metrologii
Vyjadřování přesnosti v metrologii Měření soubor činností, jejichž cílem je stanovit hodnotu veličiny. Výsledek měření hodnota získaná měřením přisouzená měřené veličině. Chyba měření výsledek měření mínus
VíceN Á V R H VYHLÁŠKA. ze dne.2017,
Zákony pro lidi Monitor změn (https://apps.odok.cz/attachment//down/2ornajbenuwz) II. N Á V R H VYHLÁŠKA ze dne.2017, kterou se mění vyhláška č. 330/2012 Sb., o způsobu posuzování a vyhodnocení úrovně
VíceINDEXACE SPÁSA NEBO PROBLÉM
INDEXACE SPÁSA NEBO PROBLÉM B. Kotlík 1, V. Novák 2, H. Kazmarová 1, J. Schovánková a V. Bäumelt 1) Státní zdravotní ústav, Šrobárova 48, Praha 10, 10042, bohumil.kotlik@szu.cz 2. Český hydrometeorologický
VíceÚloha 1: Lineární kalibrace
Úloha 1: Lineární kalibrace U pacientů s podezřením na rakovinu prostaty byl metodou GC/MS měřen obsah sarkosinu v moči. Pro kvantitativní stanovení bylo nutné změřit řadu kalibračních roztoků o různé
VíceSVRS A PŘESHRANIČNÍ MIGRACE ZNEČIŠTĚNÍ,
SVRS A PŘESHRANIČNÍ MIGRACE ZNEČIŠTĚNÍ, ANEB VŽDY JE DOBRÉ VĚDĚT, ODKUD VÍTR FOUKÁ Josef Keder ČHMÚ, Observatoř Tušimice Motivace V souvislosti s posuzováním možností řešení špatné kvality ovzduší v Ostravsko-Karvinské
VíceAktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování
Aktuální mapy znečištění ovzduší v evropském i českém měřítku (roční charakteristiky) a vývoj v oblasti mapování Jan Horálek Jana Ostatnická, Jana Schovánková, Pavel Kurfürst Peter de Smet, Leonor Tarrasón,
VíceGenerální rozptylová studie Jihomoravského Kraje. Rozptylová studie pro posouzení stávajícího imisního zatížení na území Jihomoravského kraje
Generální rozptylová studie Jihomoravského Kraje Rozptylová studie pro posouzení stávajícího imisního zatížení na území Jihomoravského kraje Autorský tým Mgr. Jakub Bucek Bucek s.r.o. Dr. Robert Skeřil
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceRNDr. Josef Keder, CSc. Organizace Český hydrometeorologický ústav, Praha Název textu Návrh na další rozvoj monitorování kvality ovzduší v Praze BK5
Autor RNDr. Josef Keder, CSc. Organizace Český hydrometeorologický ústav, Praha Název textu Návrh na další rozvoj monitorování kvality ovzduší v Praze Blok BK5 - Imisní monitoring Datum Prosinec 2001 Poznámka
VíceUNIVERZITA PARDUBICE
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Vedoucí studia a odborný garant: Prof. RNDr. Milan Meloun, DrSc. Vyučující: Prof. RNDr. Milan Meloun, DrSc. Autor práce: ANDRII
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce ANALÝZA
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceSpolečenské a obchodní centrum Zlín - Březnická
Masná 8, 702 00 Ostrava, tel.: 596 114 030 www.azgeo.cz, azgeo@azgeo.cz Název zakázky : Zlín - Společenské a OC-rozptylová studie Číslo úkolu : 527073 Objednatel : Regionální centrum EIA s.r.o. Společenské
VíceHodnocení rozptylových podmínek ve vztahu ke koncentracím znečišťujících látek. Josef Keder Hana Škáchová
Hodnocení rozptylových podmínek ve vztahu ke koncentracím znečišťujících látek Josef Keder Hana Škáchová VENTILAČNÍ INDEX Jako parametr hodnotící podmínky rozptylu navržen ventilační index (VI), který
VíceRegulační diagramy (RD)
Regulační diagramy (RD) Control Charts Patří k základním nástrojům vnitřní QC laboratoře či výrobního procesu (grafická pomůcka). Pomocí RD lze dlouhodobě sledovat stabilitu (chemického) měřícího systému.
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceInformace o emisních inventurách a emisních projekcích České republiky 2005
Informace o emisních inventurách a emisních projekcích České republiky 2005 II. 1. Emisní inventura Zpracování této zprávy ukládá nařízení vlády č. 351/2002 Sb., kterým se stanoví závazné emisní stropy
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceVýsledky modelování vlivu resuspenze z povrchu odvalů a průmyslových areálů na území Moravskoslezského kraje (ČR)
Výsledky modelování vlivu resuspenze z povrchu odvalů a průmyslových areálů na území Moravskoslezského kraje (ČR) Faktory větrné eroze povrchu hald Nízké rychlosti větru špatné rozptylové podmínky, ale
VíceAKTUALIZACE 2009 Programu zlepšení kvality ovzduší Pardubického kraje včetně Programového dodatku. (Aktualizace PZKO PK)
CENTRUM PRO ŽIVOTNÍ PROSTŘEDÍ A HODNOCENÍ KRAJINY AKTUALIZACE 2009 Programu zlepšení kvality ovzduší Pardubického kraje včetně Programového dodatku (Aktualizace PZKO PK) PŘÍLOHA B Mapová příloha Hustota
VíceÚnor CI2, o. p. s. KVALITA MÍSTNÍHO OVZDUŠÍ V OPAVĚ, 2016/2017 VÝSLEDKY SLEDOVÁNÍ INDIKÁTORU ECI A.5.
Únor 2018 CI2, o. p. s. KVALITA MÍSTNÍHO OVZDUŠÍ V OPAVĚ, 2016/2017 VÝSLEDKY SLEDOVÁNÍ INDIKÁTORU ECI A.5 www.ci2.co.cz Obsah Obsah... 2 Úvod... 3 O CI2, o. p. s.... 3 Indikátor Kvalita místního ovzduší...
VíceVYUŽITÍ A VALIDACE AUTOMATICKÉHO FOTOMETRU V ANALÝZE VOD
Citace Kantorová J., Kohutová J., Chmelová M., Němcová V.: Využití a validace automatického fotometru v analýze vod. Sborník konference Pitná voda 2008, s. 349-352. W&ET Team, Č. Budějovice 2008. ISBN
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceS E M E S T R Á L N Í
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie S E M E S T R Á L N Í P R Á C E Licenční studium Statistické zpracování dat při managementu jakosti Předmět ANOVA analýza rozptylu
VíceSimulace. Simulace dat. Parametry
Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
VíceKALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie KALIBRACE A LIMITY JEJÍ PŘESNOSTI Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2016
VíceUniverzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 3.3 v analýze dat Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Pro
VíceMetodický pokyn ke zpracování rozptylových studií podle 32 odst. 1 písm. e) zákona č. 201/2012 Sb.
Metodický pokyn ke zpracování rozptylových studií podle 32 odst. 1 písm. e) zákona č. 201/2012 Sb. Ochrana ovzduší ve státní správě VIII, teorie a praxe Alena Kacerovská 19. listopadu 2013, Plzeň ÚVOD
VíceÚvod do analýzy rozptylu
Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme
VíceBlíž k lidem aneb vše v jednom. MUDr. Helena Kazmarová, RNDr. Bohumil Kotlík, Ph.D. Státní zdravotní ústav
Blíž k lidem aneb vše v jednom MUDr. Helena Kazmarová, RNDr. Bohumil Kotlík, Ph.D. Státní zdravotní ústav Výstupy a zpracování dat z monitoringu INDEX naplnění poptávky po jasné informaci požadavek jednoduše
VíceKalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie Statistické zpracování dat Kalibrace a limity její přesnosti Zdravotní ústav se sídlem v Ostravě
VíceUNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce KALIBRACE
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VícePRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
VíceExperimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf.
Experimentáln lní měření průtok toků ve VK EMO XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký Systém měření průtoku EMO Měření ve ventilačním komíně
VíceIndex kvality ovzduší - IKO
Index kvality ovzduší - IKO RNDr. Bohumil Kotlík, Státní zdravotní ústav Index kvality ovzduší slouží k hodnocení stavu ovzduší na základě výsledků měření hmotnostních koncentrací látek v ovzduší. Hodnocení
VíceProfilování vzorků heroinu s využitím vícerozměrné statistické analýzy
Profilování vzorků heroinu s využitím vícerozměrné statistické analýzy Autor práce : RNDr. Ivo Beroun,CSc. Vedoucí práce: prof. RNDr. Milan Meloun, DrSc. PROFILOVÁNÍ Profilování = klasifikace a rozlišování
VíceVyjádření k oznámení záměru Letiště Vodochody pro zjišťovací řízení v rámci posuzování vlivů na životní prostředí (EIA)
Vyjádření k oznámení záměru Letiště Vodochody pro zjišťovací řízení v rámci posuzování vlivů na životní prostředí (EIA) Na základě požadavku OÚ Postřižín jsme provedli vyhodnocení materiálu, který byl
VíceHydrologie (cvičení z hydrometrie)
Univerzita Karlova v Praze Přírodovědecká fakulta Katedra fyzické geografie a geoekologie Hydrologie (cvičení z hydrometrie) Zhodnocení variability odtokového režimu pomocí základních grafických a statistických
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceLINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceModelování zdravotně významných částic v ovzduší v podmínkách městské zástavby
Modelování zdravotně významných částic v ovzduší v podmínkách městské zástavby Jiří Pospíšil, Miroslav Jícha pospisil.j@fme.vutbr.cz Vysoké učení technické v Brně Fakulta strojního inženýrství Energetický
VíceUniverzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015 Doc. Mgr. Jan Muselík, Ph.D.
Více