Bild von Institut mit Institutslogo
homeicon uni sucheicon suche siteicon sitemap kontakticon kontakt
unilogo Universität Stuttgart
Institut für Wasser- und Umweltsystemmodellierung - IWS

Abstract

 
   

"Modellierung der kritischen Schubspannung kohäsiver Sedimente"

Die Vorhersage der kritischen Schubspannung kohäsiver Sedimente hat einen großen Stellenwert für das Sedimentmanagement. Messungen sind jedoch arbeitsintensiv und häufig nicht zwischen verschiedenen Studien vergleichbar, da unterschiedliche Messanordnungen zum Einsatz kommen. Andere Messgrößen, wie etwa die Korngrößenverteilung, die Lagerungsdichte oder die Sedimenttiefe sind einfacher zu messen und bieten bessere Vergleichbarkeit. Eine Vielzahl physikalischer, chemischer und biologischer Faktoren beeinflussen die Stabilität kohäsiver Sedimente. Nach wie vor sind deren Wechselwirkungen untereinander sowie ihr Einfluss auf die kritische Schubspannung nicht im Detail bekannt. Es müssen daher Idealisierungen und Modellannahmen getro en werden, die jedoch die in der Realität gegebenen Unsicherheiten außer Acht lassen. Fuzzy-Systeme lassen Unsicherheiten zu und können dadurch die Komplexität des Problems verringern. Die gezielte Tolerierung eines gewissen Informationsverlustes führt zwar zu weniger exakten Modellen, jedoch entfällt die Einschränkung, dass sie nur für idealisierte Systeme gelten. Ziele dieser Arbeit sind die Identifikation geeigneter Parameter, aus denen die kritische Schubspannung berechnet werden kann, sowie die Erstellung zweier Modelle: Eine multiple lineare Regression und ein fuzzy-logisches Modell. Die Übertragbarkeit beider Varianten wird untersucht und im Anschluss mit Ansätzen aus der Literatur verglichen. Da künstlich hergestellte Sedimente das reale Verhalten nur unzureichend abbilden (vgl. Mitchener, Torfs und Whitehouse (1997)), werden für diese Arbeit ungestörte Sedimentproben von zwei Messkampagnen an der Saale und deren Nebenstrukturen sowie am Wehrkanal der Staustufe Iffezheim am Rhein verwendet. Aufgrund der hohen Komplexität der zugrundeliegenden Prozesse kommen datengetriebene Methoden zum Einsatz. Für die multiple lineare Regression wird ein Algorithmus angewandt, der schrittweise Parameter dem Modell hinzufügt und in Abhängigkeit von deren Beitrag zur Verbesserung des Modells sie ggf. wieder entfernt. Die Optimierung des fuzzy-logischen Modells erfolgt durch die Anpassung der Modellparameter über ein adaptives neuro-fuzzy Inferenz System (ANFIS). Der Tongehalt und die Tiefe erweisen sich als die Parameter mit der größten Eignung zur Modellierung der kritischen Schubspannung. Beide Modelle liefern höhere Gütemaße als zum Vergleich herangezogene Ansätze aus der Literatur.