TY - THES A1 - Notay, Kunwar Vikramjeet Singh T1 - Model coupling in hydroinformatics systems through the use of autonomous tensor objects T1 - Modellkopplung in Hydroinformatiksystemen durch Einsatz autonomer Tensorobjekte N2 - There is an increased focus on interdisciplinary research in hydroinformatic related projects for applications such as integrated water resources management, climate change modelling, etc. The solution of common problems in interdisciplinary projects requires the integration of hydroinformatic models into hydroinformatic systems by coupling of models, enabling them to efficiently share and exchange information amongst themselves. Coupling of models is a complex task and involves various challenges. Such challenges arise due to factors such as models required to be coupled together lacking coupling capabilities, different models having different internal data formats, lack of a coupling mechanism, etc. From the perspective of physics, different models may use different discretisations in space and time, operate on different scales in space and time, etc. A model coupling concept using a coupling broker, that is independent from the coupled models, has been developed in this work and been implemented as a prototype for a software framework for coupling hydroinformatic models. It is based on the approach of tensor objects and the ideas of the OpenMI standard for model coupling. Tensor objects are a complete representation of physical state variables including dimensions, units, values, coordinate systems, geometry, topology and metadata. They are autonomous entities that can adapt themselves to the requirements of coupled models through operations such as scaling, mapping, interpolation in space and time, etc. The central entity in coupling is the Tensor Exchange Server, which acts as the coupling broker. It is responsible for defining the coupling mechanism, brokering the communication between the models and adapting the information to the requirements of the coupled models by taking advantage of the functionality provided by tensor objects. By fulfilling these roles in coupling, the coupling broker concept goes one step further than tools such as the OpenMI standard and facilitates the task of coupling models since each coupled model doesn't individually need to be adapted to be able to perform these tasks on its own. The usefulness of the coupling broker concept for coupling models is demonstrated with the help of three application examples: firstly, a subsurface-flow model coupled with a model simulating metabolism in the hyporheic zone, secondly, a subsurface-flow model coupled with a surface-flow model and finally, an information management system presenting the results of a hydrodynamic simulation of a section of the river Rhine. These examples demonstrate the extensibility and flexibility of the presented coupling concept, which can be used to couple multiple hydroinformatic models in hydroinformatic systems. N2 - In Projekten der Hydroinformatik gewinnt der interdisziplinäre Aspekt zunehmend an Bedeutung wie z.B. bei Projekten zum IWRM (Integrated Water Resources Management) oder Modellierungen zum Einfluss des Klimawandels auf dem Wasserhaushalt. Zur Bearbeitung derartiger interdisziplinäre Problemstellungen ist eine Kopplung verschiedener Modelle der Hydroinformatik erforderlich, die u.a. eine gemeinsame Informationsverwaltung und einen gegenseitigen Informationsaustausch der Modelle realisiert. Die Kopplung von Modellen ist eine komplexe Aufgabe, welche durch verschiedene Faktoren noch erschwert wird. Eine der größten Herausforderungen ist die oft mangelnden Kopplungsschnittstellen und Kopplungsfähigkeit von Modellen, welche sich anhand fehlender Kopplungsmechanismen und Unterschieden im internen Datenformat, in den verwendeten Raum- und Zeitskalen sowie der Diskretisierung von Raum und Zeit bemerkbar machen. Im Rahmen dieser Dissertation wurde ein Modellkopplungskonzept, das sich auf ein modellunabhängiges Brokerkonzept basiert, für Modelle der Hydroinformatik entwickelt und mit einem Prototyp für ein Software-Framework umgesetzt. Dieser basiert auf einem objektorientierten Ansatz zur Modellierung physikalischer Zustandsvariablen und deren Beziehungen durch Tensorobjekte und den Modellkopplungsideen von OpenMI. Tensorobjekte sind eine vollständige Repräsentation physikalischer Zustandsgrößen, einschließlich Dimensionen, Einheiten, Größen, Koordinatensysteme, Geometrie, Topologie und Metadaten. Tensorobjekte sind autonome Entitäten, die sich an die Anforderungen der gekoppelten Modelle flexibel anpassen können. Ein Tensor Exchange Server übernimmt die zentrale Aufgabe der Kopplung der verschiedene Modelle als eine Art Kopplungsbroker. Zu seinen Funktionen zählen die Definition des Kopplungsmechanismus, die Kommunikation zwischen gekoppelten Modellen und die Anpassung dieser Informationen an die Anforderungen der Modelle (z.B. Zeit- und Ortsdiskretisierung) durch Ausnutzung der internen Anpassungsfähigkeit von Tensorobjekten. Diese Funktionsweise des Kopplungsbroker erübrigt eine individuelle interne Anpassung der einzelnen gekoppelten Modellen und geht somit einen Schritt weiter als konventionelle Kopplungsstandards wie OpenMI. Die Vorzüge der Kopplung von Modellen durch das Kopplungsbrokerkonzept wird anhand drei Anwendungsbeispielen aufgezeigt: ein Untergrundströmungsmodell gekoppelt mit einem Modell für Metabolismus in der hyporheischen Zone, ein Untergrundströmungsmodell gekoppelt mit einem Fließgewässerströmungsmodell und ein Informationsmanagementsystem mit 2D-Modellierungsergebnissen, GIS Modellen, Datenbankmodellen, etc. für einen Abschnitt des Flusses Rhein. Diese Beispiele zeigen die Flexibilität und Erweiterungsmöglichkeiten des hier vorgestellten Kopplungskonzepts, welches in der Kopplung verschiedenster Modelle in Hydroinformatiksystemen angewendet werden kann. KW - Model coupling KW - Tensor objects KW - Hydroinformatics KW - Software framework KW - Modellkopplung KW - Hydroinformatik KW - Tensorobjekte KW - Hydrologie KW - Informatik KW - Tensor KW - Modellverbindung Y1 - 2015 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-36182 ER - TY - THES A1 - Li, Chi-Yu T1 - Time series scenario composition framework in Hydroinformatics Systems T1 - Ein Software-Framework für die Erstellung von Zeitreihenszenarien in Hydroinformatik-Systemen N2 - Since Z3, the first automatic, programmable and operational computer, emerged in 1941, computers have become an unshakable tool in varieties of engineering researches, studies and applications. In the field of hydroinformatics, there exist a number of tools focusing on data collection and management, data analysis, numerical simulations, model coupling, post-processing, etc. in different time and space scales. However, one crucial process is still missing — filling the gap between available mass raw data and simulation tools. In this research work, a general software framework for time series scenario composition is proposed to improve this issue. The design of this framework is aimed at facilitating simulation tasks by providing input data sets, e.g. Boundary Conditions (BCs), generated for user-specified what-if scenarios. These scenarios are based on the available raw data of different sources, such as field and laboratory measurements and simulation results. In addition, the framework also monitors the workflow by keeping track of the related metadata to ensure its traceability. This framework is data-driven and semi-automatic. It contains four basic modules: data pre-processing, event identification, process identification, and scenario composition. These modules mainly involve Time Series Knowledge Mining (TSKM), fuzzy logic and Multivariate Adaptive Regression Splines (MARS) to extract features from the collected data and interconnect themselves. The extracted features together with other statistical information form the most fundamental elements, MetaEvents, for scenario composition and further time series generation. The MetaEvents are extracted through semi-automatic steps forming Aspects, Primitive Patterns, Successions, and Events from a set of time series raw data. Furthermore, different state variables are interconnected by the physical relationships derived from process identification. These MetaEvents represent the complementary features and consider identified physical relationships among different state variables from the available time series data of different sources rather than the isolated ones. The composed scenarios can be further converted into a set of time series data as, for example, BCs, to facilitate numerical simulations. A software prototype of this framework was designed and implemented on top of the Java and R software technologies. The prototype together with four prototype application examples containing mathematical function-generated data, artificial model-synthetic hydrological data, and measured hydrological and hydrodynamic data, are used to demonstrate the concept. The results from the application examples present the capability of reproducing similar time series patterns from specific scenarios compared to the original ones as well as the capability of generating artificial time series data from composed scenarios based on the interest of users, such as numerical modelers. In this respect, it demonstrates the concept’s capability of answering the impacts from what-if scenarios together with simulation tools. The semi-automatic concept of the prototype also prevents from inappropriate black-box applications and allows the consideration of the knowledge and experiences of domain experts. Overall, the framework is a valuable and progressive step towards holistic hydroinformatics systems in reducing the gap between raw data and simulation tools in an engineering suitable manner. N2 - Seit der erste automatische, programmierbare und betriebsfähige Computer, Z3, im Jahr 1941 entwickelt wurde, sind Computer ein unverzichtbares Werkzeug für die vielfältigen Aufgaben in der ingenieurwissenschaftlichen Forschung und Praxis geworden. Auf dem Gebiet der Hydroinformatik gibt es eine Reihe von Werkzeugen, die den Fokus u. a. auf Datenerfassung und -management, Datenanalyse, numerische Simulationen, Modellkoppelung sowie Ergebnisauswertung in unterschiedlichen Raum- und Zeitskalen legen. Ein wesentlicher Arbeitsschritt wird jedoch nur unzureichend unterstützt: die Aufbereitung von Rohdaten zur Spezifikation von Szenarien als Eingabegrößen für Simulationswerkzeuge. In dieser Forschungsarbeit wird ein generelles Konzept für die ingenieurgerechte Erstellung von Zeitreihen zur Szenarienspezifikation vorgeschlagen. Das Ziel des Konzepts ist die Bereitstellung von Zeitreihen als Eingangsdatensätze, z. B. Randbedingungen, für Simulationsaufgaben zur Analyse von benutzerspezifizierten Was-Wäre-Wenn-Szenarien. Die Szenarien werden aus verfügbaren Rohdaten unterschiedlicher Quellen, z. B. Feld- und Labormessungen und Simulationsergebnissen, erstellt. Das Konzept protokolliert zudem den Arbeitsablauf durch zugehörige Metadaten, um die Nachvollziehbarkeit der Arbeitsschritte sicherzustellen. Das Konzept ist datengesteuert und halbautomatisch. Es enthält vier wesentliche Module: Datenvorbereitung, Eventidentifizierung, Prozessidentifizierung und Szenariokomposition. Diese Module verwenden als theoretische Grundlagen vor allem Time Series Knowledge Mining (TSKM), Fuzzylogik und Multivariate Adaptive Regression Splines (MARS), um Merkmale verschiedener Zustandsgrößen aus den gesammelten Daten zu extrahieren und miteinander zu verbinden. Die gesammelten Merkmale samt anderen statistischen Daten gestalten die grundsätzlichsten Komponenten, sog. MetaEvents, für die Szenariokomposition und die weitere Generierung der resultierenden Zeitreihen für die Simulation der Szenarien. Die MetaEvents werden halbautomatisch mit Hilfe von Aspects, Primitive Patterns, Successions und Events gebildet. Zusätzlich werden durch Prozessidentifizierung funktionale Beziehungen zwischen den verschiedenen Zustandsvariablen abgeleitet. Die MetaEvents stellen komplementäre Merkmale dar und berücksichtigen die identifizierten physikalischen Beziehungen zwischen den verschiedenen Zustandsvariablen aus den verfügbaren Zeitreihendaten anstatt der traditionellen getrennten Verarbeitung. Die mit den MetaEvents zusammengestellten/komponierten Szenarien ermöglichen die Generierung von resultierenden Zeitreihen von Randbedingungen für numerische Simulationen. Ein Software-Prototyp dieses Konzepts wurde auf Basis von Java- und R-Software-Technologien entworfen und implementiert. Der Prototyp zusammen mit vier Prototyp-Anwendungsbeispielen – ein mathematisch-analytischer Datensatz, ein künstlicher hydrologischer Datensatz, ein real gemessener hydrologischer Datensatz und ein hydrodynamischer Datensatz – werden benutzt, um die Funktionsfähigkeit des Prototyps und die Eigenschaften des Konzepts zu demonstrieren und nachzuweisen. Die Anwendungsbeispiele weisen nach, das Zeitreihenmuster aus spezifischen Originalszenarien reproduziert werden können und zeigen die Fähigkeit auf, für den Anwender, z. B. numerische Modellierer, Zeitreihen für relevante, interessante Szenarien zu generieren. In dieser Hinsicht demonstriert es die Fähigkeit, die Auswirkungen von Was-Wäre-Wenn-Szenarien mit Simulationswerkzeugen effizient vorzubereiten. Das halbautomatische Konzept des Prototyps verhindert auch eine Black-Box Anwendung und berücksichtigt Kenntnisse und Erfahrungen der Anwender als Fachexperten. Damit stellt das Konzept einen wertvollen, innovativen Schritt zu ganzheitlichen Hydroinformationssystemen dar, um eine ingenieurgerechte, effiziente Datenaufbereitung von Zeitreihen aus Rohdaten als Eingabedatensätze für Simulationswerkzeuge bereitzustellen. KW - TSKM KW - Event identification KW - Time series analysis KW - Scenario composition KW - Hydroinformatics KW - TSKM KW - Ereigniserkennung KW - Zeitreihenanalyse KW - Szenariokomposition KW - Hydroinformatik KW - Hydrologie KW - Datenbank KW - Zeitreihe KW - Algorithmus Y1 - 2015 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-33650 ER -