TY - CHAP A1 - Milbradt, Peter A1 - Schwöppe, Axel T1 - Finite Element Approximation auf der Basis geometrischer Zellen N2 - Die Methode der Finiten Elemente ist ein numerisches Verfahren zur Interpolation vorgegebener Werte und zur numerischen Approximation von Lösungen stationärer oder instationärer partieller Differentialgleichungen bzw. Systemen partieller Differentialgleichungen. Grundlage dieser Verfahren ist die Formulierung geeigneter Finiter Elemente und Finiter Element Zerlegungen. Finite Elemente besitzen in der Regel eine geometrische Basis bestehend aus Strecken im eindimensionalen, Drei- oder Vierecken im zweidimensionalen und Tetra- oder Hexaedern im dreidimensionalen euklidischen Raum, eine Menge von Freiheitsgraden und eine Basis von Funktionen. Die geometrische Basis eines Finiten Elements wird verallgemeinert als geometrische Zelle formuliert. Diese geschlossene geometrische Formulierung führt zu einer geometrieunabhängigen Definition der Basisfunktionen eines Finiten Elements in den Zellkoordinaten der geometrischen Zelle. Finite Elemente auf der Basis geometrischer Zellen werden als Bestandteile Finiter Element Zerlegungen in Finiten Element Interpolationen und Finiten Element Approximationen verwendet. Die Finiten Element Approximationen werden am Beispiel der 2-dimensionalen Diffusionsgleichung über das Standard-Galerkin-Verfahren ermittelt. KW - Finite-Elemente-Methode KW - Approximation Y1 - 2003 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20111215-3333 ER - TY - CHAP A1 - Milbradt, Peter A1 - Rose, Martin T1 - Numerische Approximation makroskopischer Verkehrsmodelle mit der Methode der Finiten Elemente N2 - Makroskopische Verkehrsmodelle sind ein wesentliches Hilfsmittel bei der Beurteilung und Steuerung von Verkehrsflüssen auf Hauptverkehrsadern. Für die notwendige Beeinflussung des Verkehrsablaufs werden Online-Messungen und prognostische numerische Simulationen benötigt. Für die Simulationen bieten sich makroskopische Verkehrsmodelle an, die den Verkehr als kontinuierliche Fahrzeugströmeabbilden. Aufgrund der Analogie zu den Modellen der Strömungsmechanik lassen sich die numerischen Verfahren aus diesem Bereich auch zur Lösung makroskopischer Verkehrsmodelle verwenden. Es wird eine Finite-Elemente-Approximation für die numerische Umsetzung makroskopischer Verkehrsmodelle vorgestellt. Exemplarisch wird sie am Verkehrsmodell von Kerner und Konhäuser erläutert. Dieses und andere makroskopische Verkehrsmodelle wurden bisher mit der Methode der Finiten Differenzen gelöst. Die vorgestellte Approximation entspricht einem Petrov-Galerkin-Verfahren, bei dem der Fehler eines Standard-Galerkin-Verfahrens mit Hilfe eines Upwinding-Koeffizienten minimiert wird. Die Wahl des Upwinding-Koeffizienten ist übertragbar und basiert ausschließlich auf dem Charakter der zugrundeliegenden Gleichungen. Die Ergebnisse zeigen typische Phänomene eines Verkehrsablaufs wie die Entstehung von Stop-and-Go-Wellen oder Staus. Die Finite-Elemente-Methode erweist sich für unter-schiedlichste Verkehrsmodelle als ausgesprochen stabil. KW - Verkehrsleitsystem KW - Modellierung KW - Finite-Elemente-Methode Y1 - 2000 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20111215-6046 ER - TY - CHAP A1 - Milbradt, Peter T1 - Stabilisierte Finite Elemente in der Hydrodynamik N2 - Hydro- und morphodynamischen Prozesse in Binnengewässern und im Küstennahbereich erzeugen hochkomplexe Phänomene. Zur Beurteilung der Entwicklung von Küstenzohnen, von Flussbetten sowie von Eingriffen des Menschen in Form von Schutzbauwerken sind geeignete numerische Modellwerkzeuge notwendig. Es wird ein holistischer Modellansatz zur Approximation gekoppelter Seegangs-, Strömungs- und Morphodynamischer Prozesse auf der Basis stabilisierter Finiter Elemente vorgestellt. Der Großteil der Modellgleichungen der Hydro- und Morphodynamik sind Transportgleichungen. Dem Transportcharakter dieser Gleichungen entsprechend wird ein stabilisiertes Finites Element Verfahren auf Dreiecken vorgestellt. Die vorgestellte Approximation entspricht einem streamline upwinding Petrov-Galerkin-Verfahrens für vektorwertige mehrdimensionale Probleme, bei dem der Fehler eines Standard-Galerkin-Verfahrens mit Hilfe eines Upwinding-Koeffizienten minimiert wird. Die Wahl des Upwinding-Koeffizienten ist übertragbar auf andere Problemklassen und basiert ausschließlich auf dem Charakter der zugrundeliegene Das Modell wurde für Seegangs- und Strömungs-Untersuchungen im Jade-Weser-Ästuar an der deutschen Nordseeküste eingesetzt. KW - Hydrodynamik KW - Finite-Elemente-Methode Y1 - 2003 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20111215-3327 ER - TY - CHAP A1 - Berthold, Tim A1 - Milbradt, Peter ED - Gürlebeck, Klaus ED - Könke, Carsten T1 - ARTIFICIAL NEURONAL NETWORKS IN ENVIRONMENTAL ENGINEERING: THEORY AND APPLICATIONS N2 - Models in the context of engineering can be classified in process based and data based models. Whereas the process based model describes the problem by an explicit formulation, the data based model is often used, where no such mapping can be found due to the high complexity of the problem. Artificial Neuronal Networks (ANN) is a data based model, which is able to “learn“ a mapping from a set of training patterns. This paper deals with the application of ANN in time dependent bathymetric models. A bathymetric model is a geometric representation of the sea bed. Typically, a bathymetry is been measured and afterwards described by a finite set of measured data. Measuring at different time steps leads to a time dependent bathymetric model. To obtain a continuous surface, the measured data has to be interpolated by some interpolation method. Unlike the explicitly given interpolation methods, the presented time dependent bathymetric model using an ANN trains the approximated surface in space and time in an implicit way. The ANN is trained by topographic measured data, which consists of the location (x,y) and time t. In other words the ANN is trained to reproduce the mapping h = f(x,y,t) and afterwards it is able to approximate the topographic height for a given location and date. In a further step, this model is extended to take meteorological parameters into account. This leads to a model of more predictive character. KW - Angewandte Informatik KW - Angewandte Mathematik KW - Architektur KW - Computerunterstütztes Verfahren KW - Computer Science Models in Engineering; Multiscale and Multiphysical Models; Scientific Computing Y1 - 2010 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20170314-28304 UR - http://euklid.bauing.uni-weimar.de/ikm2009/paper.html SN - 1611-4086 ER - TY - CHAP A1 - Abu Abed, Wassim A1 - Milbradt, Peter ED - Gürlebeck, Klaus ED - Könke, Carsten T1 - UNDERSTANDING THE ASPECT OF FUZZINESS IN INTERPOLATION METHODS N2 - Fuzzy functions are suitable to deal with uncertainties and fuzziness in a closed form maintaining the informational content. This paper tries to understand, elaborate, and explain the problem of interpolating crisp and fuzzy data using continuous fuzzy valued functions. Two main issues are addressed here. The first covers how the fuzziness, induced by the reduction and deficit of information i.e. the discontinuity of the interpolated points, can be evaluated considering the used interpolation method and the density of the data. The second issue deals with the need to differentiate between impreciseness and hence fuzziness only in the interpolated quantity, impreciseness only in the location of the interpolated points and impreciseness in both the quantity and the location. In this paper, a brief background of the concept of fuzzy numbers and of fuzzy functions is presented. The numerical side of computing with fuzzy numbers is concisely demonstrated. The problem of fuzzy polynomial interpolation, the interpolation on meshes and mesh free fuzzy interpolation is investigated. The integration of the previously noted uncertainty into a coherent fuzzy valued function is discussed. Several sets of artificial and original measured data are used to examine the mentioned fuzzy interpolations. KW - Angewandte Informatik KW - Angewandte Mathematik KW - Architektur KW - Computerunterstütztes Verfahren KW - Computer Science Models in Engineering; Multiscale and Multiphysical Models; Scientific Computing Y1 - 2010 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20170314-28726 UR - http://euklid.bauing.uni-weimar.de/ikm2009/paper.html SN - 1611-4086 ER -