Måling og modellering af partikelspredning
|
|
|
- Lone Brøgger
- 9 år siden
- Visninger:
Transkript
1 Måling og modellering af partikelspredning Formålet med partikeltransporten er at bestemme partikelspredningen ud fra målinger i strømrenden, og herefter modellere partikelspredningen i en af projektgruppen opstillet partikelspredningsmodel baseret på CFX-strømningsmodellen. Fremstilling af partikler Der er fremstillet gelkugler (partikler), med en densitet lidt større end vands. I følgende afsnit redegøres for fremstillingen og egenskaberne af disse kugler samt resultater og beregninger på baggrund af de i strømrenden udførte partikeltransportforsøg. Herudover beskrives opsætningen af partikelspredningsmodellen samt resultater af denne. Partikelkarakteristika De fremstillede partikler er vist i figur 1 og 2. Figur 1 Partikler med målestok Figur 2 Partikler i strømrenden I Tabel 1 er beskrevet en række karakteristika for de fremstillede partikler. Middelværdi Spredning Partikeldiameter 4,75 0,21 [mm] Partikelmasse [g] 0,0573 0,00097 Partikeldensitet [g/cm 3 ] 1,019 - Tabel 1 Målte og beregnede partikelkarakteristika. Dokumentation Partikeldiameteren er målt med skydelære, og massen er målt ved at veje 50, 100, 150 og 200 partikler og herefter beregne en gennemsnitlig partikelmasse. Som det ses af tabellen, er der forholdsvis store usikkerheder på værdierne, især på diameterbestemmelsen, da det var svært at måle præcist med skydelæren uden at klemme 1
2 partiklerne. Denne usikkerhed afspejler sig i den nedenstående beregning af sedimentationshastigheder. Partiklernes sedimentationshastighed er målt i et 33 cm højt cylinderglas til 2,82 cm/s (spredning 0,12 cm/s). Sedimentationshastigheden er også beregnet teoretisk ud fra partiklernes karakteristika: Beregning af sedimentationshastighed Den beregnede sedimentationshastighed er ikke benyttet i det følgende, da usikkerheden i bestemmelsen af denne vurderes at være for stor. Herefter benyttes udelukkende den målte sedimentationshastighed. Partikeltransportmålinger Der blev forsøgt at måle partikeltransporten ved at fotografere strømrenden med frekvens på 2-3 billeder pr. sekund, men efter nærmere eftersyn af billederne viste det sig, at den tidslige opløsning af disse billeder var for lille til, at partiklernes baner kunne optegnes. Der blev frigivet 10 partikler i vandoverfladen og på Figur 3 er de 10 partiklers placering til hvert tidsskridt vist. Figur 3 10 partiklers placering til forskellige tidsskridt. Udover at partiklernes baner ikke kan optegnes ud fra ovenstående figur, er det ikke mulig at aflæse hvornår partiklerne når bunden. Desuden er det problematisk at aflæse partiklernes placering, både på grund af kameraets linsefortegning, lysets brydning i vand samt det, at det er svært at aflæse en partikels placering i rendens x-retning når man ikke står præcis ud for den. På baggrund af ovenstående er det valgt at frigive én partikel af gangen og dels markere dennes passering af en linie 5 cm over bunden og dels punktet, hvor partiklen rammer bunden. Dette forsøg er udført med ca. 250 partikler. I modelleringen af partikelspredning vil det blive sandsynliggjort, at dette antal partikler er tilstrækkeligt til at opnå et statistisk stabilt resultat på middelværdi og spredning af tilbagelagt distance. I figur 4 og 5 er resultaterne af forsøget vist. 2
3 Middelværdi, x [m] 2,340 Spredning [m] 0,499 Målt middelhast., u (laser) [m/s] 0,283 x Middel-transporttid, t = u [s] 8,27 Vanddybde, y [m] 0,202 Middel-sedimentationshast. y v s = t [m/s] 0,244 Figur 4 Målt og beregnet partikelspredning 5 cm over bunden af strømrenden. Dokumentation Middelværdi, x [m] 2,737 Spredning [m] 0,483 Målt middelhast., u (laser) [m/s] 0,283 x Middel-transporttid, t = u [s] 9,67 Vanddybde, y [m] 0,202 Middel-sedimentationshast. y v s = t [m/s] 0,201 Figur 5 Målt og beregnet partikelspredning på bunden af strømrenden. Dokumentation Det ses, at der er en forskydning på de to middelværdier på 0,38 m, men at spredningen stort set giver den samme værdi. Det ses desuden, at de overslagsmæssige sedimentationshastigheder (på gennemsnitligt ca. 2,2 cm/s) afviger fra sedimentationshastigheden målt i cylinderglas. Mulige årsager til dette tages op senere under modelleringen af partikelspredning % af de tilledte partikler ikke er blevet registreret, da de faldt udenfor den opsatte målestok på strømrenden. Hvis disse partikler havde været registreret ville den beregnede middelværdi og spredning have været større. Dette er en væsentlig fejlkilde i forsøget. Der er valgt at se bort fra en eventuel initialspredning på partiklerne, men usikkerhederne ved aflæsningen af partikelplaceringen taget i betragtning vurderes initialspredningen som negligeabel. For at belyse partiklernes transport yderligere er der optaget videoklip af partikelspredningen: 1 Partikeltransport set fra siden 2 Partikeltransport set fra oven 3 Ilægning af partikler i vandoverfladen 4 Partikeltransport ved overløb 5 Partikeltransport fra glat til ru bund 3
4 På videoklippene er det tydeligt at se, at turbulensen er langt større ved bunden, hvor partiklerne hvirvles op og derfor bliver partiklernes bane forlænget. Hvis turbulensen havde været mindre ved bunden ville partiklernes bane være væsentligt kortere. Denne tendens ses også af figur 3 og af videoklip 5, hvor turbulensen ved den glatte bund er væsentligt mindre end ved den ru bund. Modellering af partikelspredning i strømrende Der opstilles en model for transporten af partikler i strømrenden. Formålet er at belyse, hvor stor overensstemmelse der er mellem målte og modellerede resultater, og hvad eventuelle forskelle kan skyldes. Partikelspredningen modelleres ved en random walk metode i MatLab, hvis teoretiske grundlag og generelle metode er den samme som for partikelspredningsmodellen (PT-modellen) i Del 2. Forudsætninger for partikelspredningsmodel Efterfølgende gennemgås de forudsætninger der gælder for den anvendte PT-model for strømrenden. Dimensioner Modellens geometri er en vilkårligt lang rende med højde og bredde som den virkelige strømrende. I alle tværsnit i rendens længderetning (x-retningen) hersker samme forhold, dvs. ens vandybde, hastighedsfelt og dispersionsfordeling. Det forudsættes, at der er ensformig strømning gennem et givet tværsnit i modellen. Dette vil sige, at der kun foregår vandstrømning i rendens længderetning. Dispersion modelleres i tre dimensioner. Hastighedsfelt I afsnittet om CFX-modellering vurderes hastighedsfeltet beregnet i CFX-modellen ikke at afvige markant fra det reelle hastighedsfelt i strømrenden. Derfor anvendes dette i PT-modellen. Hastighedsfeltet ses af figur 6. 4
5 Figur 6 Hastighedsfelt importeret fra CFX til brug i partikelspredningsmodel. Sedimentation Da partiklerne har en densitet højere end vands, sedimenterer de i y-retningen. Den målte sedimentationshastighed i cylinderglas på 0,028 m/s anvendes som udgangspunkt i modellen. Dispersion Når fordelingen af hvirvelviskositet ν T kendes for tværsnittet, enten fra målinger og beregninger eller fra CFX-modellering kan den turbulente dispersionskoefficient estimeres ud fra formel 1, hvori det antages, at spredning af hhv. bevægelsesmængde og stof er proportionale [Brorsen, 2001]. ν T D T = (1) σ C hvor D T : Turbulent dispersionskoefficient [m 2 /s] ν T : Hvirvelviskositet [m 2 /s] σ c : Schmidt s tal, som oftest (også i dette projekt) sættes lig 0,9 Som omtalt i CFX-afsnittet beregner CFX-modellen ikke hvirvelviskositeterne korrekt. Ligeledes er hvirvelviskositeterne beregnet på baggrund af målinger forholdsvis usikkert bestemt i dybder mellem overfladen og 8 cm fra bunden. Derfor foretages PT-modelleringen med dispersionskoefficienter beregnet både ud fra CFX og ud fra egne lasermålinger og beregninger, med henblik på at belyse eventuelle forskelle. Resultaterne af disse modelleringer sammenholdes med de udførte målinger af partikelspredning, for at vurdere hvilke dispersionskoefficienter der er mest repræsentative for de fysiske forhold i strømrenden. 5
6 Kontrol af model Det er blevet undersøgt om den opstillede PT-model regner korrekt sammenlignet med en analytisk løsning i en forsimplet 1-dimensionel spredningssituation. Undersøgelsen sandsynliggør, at PTmodellen regner korrekt i den 1-dimensionale situation. På den baggrund antages det efterfølgende, at også den fulde PT-model regner korrekt, da der kun er lille praktisk forskel mellem den fulde og den forsimplede model. Kontrol af PT-model for strømrende Modellering Hver kørsel af modellen udføres med tilledning af 256 partikler, samme antal partikler som er anvendt i målingerne. Outputtet fra modellen er den distance, den enkelte partikel har tilbagelagt i rendens længderetning (x-retningen) inden den når dybden 5 cm over bunden, samt når den rammer bunden, så modellen kan sammenlignes med måledata. Modelopsætningen køres 20 gange, hvorefter der foretages statistik på resultaterne fra hver kørsel. Hvis denne statistik viser lille afvigelse i resultaterne fra gang til gang, er det indikation på, at det anvendte antal partikler er stort nok til at producere stabile resultater. Resultater ved anvendelse af D T beregnet ud fra CFX-resultater På figur 7 ses variationen af D T over tværsnittet, med største værdier i den nedre, midterste del af tværsnittet. Middelværdien af D T er 1, m 2 /s. figur 8 viser hvordan placeringen af én tilfældig partikel udvikler sig over tid. Udviklingen i x-retningen ses at bøje af over den sidste halvdel af sedimentationstiden, hvilket skyldes lavere vandhastighed i den nederste del af tværsnittet. Udviklingen i placering over bunden (y-retningen) ses at følge et overordnet lineært forløb som følge af sedimentation med udsving som følge af dispersion. Dispersionen ses at være størst i tværsnittets nederste del, hvilket er i overensstemmelse med dispersionsfeltet på figur 7. Der er ikke store udsving i partiklens placering på tværs af renden, da der her kun er dispersion til at forårsage flytning. 6
7 Figur 7 Skitse af dispersionskoefficientens variation ved anvendelse af D T beregnet ud fra CFX-resultater. D T = 1, m 2 /s Figur 8 Udvikling af én enkelt partikels placering efter modellering med anvendelse af D T beregnet ud fra CFX-resultater. Partiklen ses at sedimentere efter ca. 8,5 s. 7
8 På figur 9a og b ses spredningen af partikler hhv. 5 cm over bunden og ved bunden for modellerede og målte data. Umiddelbart ses der at være markant afvigelse mellem måling og modellering. I tabel 2 og 3 er vist middelværdier og spredninger til sammenligning. Figur 9a Spredning af partikler ved passage af plan 5 cm over bunden ved anvendelse af D beregnet ud fra CFX-hvirvelviskositeter (blå histogram), samt spredning af måledata samme sted (røde histogram). Figur 9b Spredning af partikler ved anslag mod bund ved anvendelse af D beregnet ud fra CFX-hvirvelviskositeter (blå histogram), samt spredning af måledata samme sted (røde histogram). 8
9 Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ 5cm [m] σ 5cm [m] µ 5cm [m] σ 5cm [m] µ 5cm [%] σ 5cm [%] 2,34 0,50 1,87 (0,01) 0,16 (0,01) Tabel 2 Sammenligning af middelværdi og spredning af tilbagelagt distance ved passage af plan 5 cm over bunden for målte og modellerede data. Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ bund [m] σ bund µ bund [m] σ bund [m] µ bund [%] σ bund [%] [m] 2,73 0,48 2,31 (0,02) 0,22 (0,01) Tabel 3 Sammenligning af middelværdi og spredning af tilbagelagt distance ved anslag mod bunden for målte og modellerede data. Det ses af tabel 2 og 3, at der er lille spredning på de modellerede resultater ved 20 modelkørsler. Dette antyder, at der modelleres med tilstrækkeligt stort antal partikler til, at resultatet bliver stabilt. Ydermere ses det, at der stor afvigelse mellem målte og modellerede data, specielt mht. spredning. Der er ikke stor forskel på størrelsen af afvigelserne i tabel 2 sammenlignet med tabel 3. Måledata har ca. 2-3 gange større spredning end modeldata. Dette tyder på at den anvendte dispersionskoefficient i modellen er for lille (når måledata antages at give korrekt billede). Det næste modelsetup med dispersionskoefficient ud fra egne målinger anvender en højere middelværdi af dispersionskoefficient. Resultater ved anvendelse af D T beregnet ud fra egne målinger Fra egne målinger beregnes sammenhørende værdier af dybde og D T midt i rendens bredde. Denne fordeling antages herefter at gælde i hele rendens bredde, og en dispersionskoefficientfordeling som vist på figur 10 fremkommer. Middelværdien af D T er i dette tilfælde 2, m 2 /s, eller ca. 14 gange højere end den ovenfor anvendte D T beregnet ud fra CFX. Udviklingen i en vilkårlig partikels placering (Figur 11) ses også at udvise større udsving som følge af større dispersion. 9
10 Figur 10 Skitse af dispersionskoefficientens variation ved anvendelse af D T beregnet ud fra egne målinger. = 2, m 2 /s Figur 11 Udvikling af én enkelt partikels placering efter modellering med anvendelse af D T beregnet ud fra egne målinger. På figur 12a og b ses spredningen af partikler hhv. 5 cm over bunden og ved bunden for modellerede og målte data. Umiddelbart ses der at være mindre afvigelse mellem måling og modellering end i den første sammenligning. I tabel 4 og 5 er vist middelværdier og spredninger til sammenligning. 10
11 Figur 12a Spredning af partikler ved passage af plan 5 cm over bunden ved anvendelse af D beregnet ud fra egne måledata (blå histogram), samt spredning af måledata samme sted (røde histogram). Figur 12b Spredning af partikler ved anslag mod bund ved anvendelse af D beregnet ud fra egne måledata (blå histogram), samt spredning af måledata samme sted (røde histogram). 11
12 Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ 5cm [m] σ 5cm µ 5cm [m] σ 5cm [m] µ 5cm [%] σ 5cm [%] [m] 2,34 0,50 1,85 (0,04) 0,66 (0,04) Tabel 4 Sammenligning af middelværdi og spredning af tilbagelagt distance ved passage af plan 5 cm over bunden for målte og modellerede data. Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ bund [m] σ bund µ bund [m] σ bund [m] µ bund [%] σ bund [%] [m] 2,73 0,48 2,26 (0,04) 0,67 (0,04) Tabel 5 Sammenligning af middelværdi og spredning af tilbagelagt distance ved anslag mod bunden for målte og modellerede data. Det ses af tabel 4 og 5, at der større spredning på de modellerede resultater efter 20 modelkørsler end ved den første sammenligning. Dette skyldes den større anvendte D T. Afvigelsen vurderes dog stadig at være lille nok til, at resultaterne kan betragtes som stabile. Afvigelsen mellem middelværdier af målte og modellerede data er stort set den samme som i første undersøgelse, hvilket er forventeligt, idet det kun er dispersionskoefficienten der er ændret. Ændringen af denne forårsager, at der nu er større spredning på modeldata end på måledata. Afvigelsen mellem spredningerne på de to datasæt er nu mindre, hvilket indikerer, at det sidst anvendte sæt dispersionskoefficienter er bedre end det første, men ikke godt nok (hvis måledata stadig antages at give det korrekte billede). Vurdering af resultater Middelværdien af de modellerede data er i de udførte sammenligninger 15-20% lavere end de tilsvarende måledata. Dette må tilskrives enten for lav konvektion eller for høj sedimentation i modellen. Det anvendte CFX-hastighedsprofil afviger kun lidt fra de målte hastigheder, og denne afvigelse vurderes ikke at kunne forklare afvigelsen på resultaterne. Målingen af sedimentationshastighed er foregået i stillestående vand, mens sedimentationen i forsøgene er foregået i strømmende vand, hvor turbulenshvirvler påvirker mediet omkring den sedimenterende partikel. Dette forhold kan gøre, at sedimentationshastigheden i det strømmende og det stillestående vand er forskellige. Den overslagsmæssige sedimentationshastighed beregnet ud fra partikeltransport-målingerne, jf. figur 4 og 5 på 0,022 m/s er da også 21 % mindre end den i modellen anvendte. Hvis hastigheden 0,022 m/s anvendes i modellen med D T ud fra egne målinger fås spredningsmønstre som vist på figur 13a og b, samt de statistiske data i tabel 6 og 7. 12
13 Figur 13a. Spredning af partikler ved passage af plan 5 cm over bunden ved anvendelse af D beregnet ud fra egne måledata og sedimentationshast. på 0,022 m/s (blå histogram), samt spredning af måledata samme sted (røde histogram). Figur 13b. Spredning af partikler ved anslag mod bund ved anvendelse af D beregnet ud fra egne måledata og sedimentationshast. på 0,022 m/s (blå histogram), samt spredning af måledata samme sted (røde histogram). 13
14 Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ 5cm [m] σ 5cm µ 5cm [m] σ 5cm [m] µ 5cm [%] σ 5cm [%] [m] 2,34 0,50 2,34 (0,06) 0,93 (0,05) 0 86 Tabel 6. Sammenligning af middelværdi og spredning af tilbagelagt distance ved passage af plan 5 cm over bunden for målte og modellerede data. Måledata Modellerede data (middelværdi og spredning (i parentes) ved 20 modelkørsler) Modellerede datas afvigelse fra målte µ bund [m] σ bund µ bund [m] σ bund [m] µ bund [%] σ bund [%] [m] 2,73 0,48 2,87 (0,07) 1,00 (0,05) Tabel 7. Sammenligning af middelværdi og spredning af tilbagelagt distance ved anslag mod bunden for målte og modellerede data. Ændringen i sedimentationshastighed medfører, at middelværdierne af modeldata og måledata bliver næsten ens, med afvigelser på hhv. 0 og 5%, mens afvigelsen i spredning bliver mere end fordoblet. Det konkluderes, at middelværdiernes afvigelser i de tidligere modelleringer sandsynligvis skyldes den usikkert bestemte sedimentationshastighed. Hvad angår dispersionskoefficienterne var D T bestemt ud fra CFX-resultaterne for små, hvilket stemmer overens med, at CFX modellerer meget mindre værdier af hvirvelviskositet end egne målinger og beregninger viste. D T bestemt ud fra egne målinger har givet de bedste resultater sammenlignet med målingerne, men de har givet en modelleret spredning der er for stor, sammenlignet med målingerne. Den primære årsag til dette skal findes i det den manglende registrering af 5-10 % af partiklerne i forsøget, som har medført for lille en spredning på måledata. Havde disse været medtaget ville spredning på måledata og modeldata have været tættere på hinanden, og det kan ikke umiddelbart modvises, at modellen regner korrekt under de givne forudsætninger. Nedenfor er link til to animationer af det modellerede spredningsforløb af 256 partikler, med anvendt D T ud fra egne lasermålinger og en sedimentationshastighed på 0,022 m/s. De modellerede partikler vises som sorte prikker. Til sammenligning viser en rød prik forløbet en partikel med gennemsnit af konvektions- og sedimentationshastighed fra målingerne af partikeltransport, jf. figur 4 og 5. Det skal bemærkes at der ikke er samme skalering på akserne. Således er længeaksen 6 m, dybdeaksen 20,2 cm (den totale vanddybde) og breddeaksen 30,3 cm (rendens bredde). Animation af partikelspredning i strømrende set fra siden Animation af partikelspredning i strømrende set fra oven Dow nload PT-model for strømrende Alle filer lægges ind i MatLab's "work"-bibliotek 14
Dokumentation - Del 3 Måling og modellering af turbulent strømning og partikelspredning
Dokumentation - Del 3 Måling og modellering af turbulent strømning og partikelspredning Fremstilling af partikler Udgangspunktet for fremstilling af partikler er at fremstille gelkugler med en massefylde
Måling af turbulent strømning
Måling af turbulent strømning Formål Formålet med at måle hastighedsprofiler og fluktuationer i en turbulent strømning er at opnå et tilstrækkeligt kalibreringsgrundlag til modellering af turbulent strømning
Hastighedsprofiler og forskydningsspænding
Hastighedsprofiler og forskydningsspænding Formål Formålet med de gennemførte forsøg er at anvende og sammenligne 3 metoder til bestemmelse af bndforskydningsspændingen i strømningsrenden. Desden er formålet,
Del 3 Måling og modellering af turbulent strømning og partikelspredning
Del 3 Måling og modellering af turbulent strømning og partikelspredning Projektformål Projektformålet med delprojekt 3 er at undersøge en i princippet én-dimensional stationær, ensformig og turbulent strømning
Modellering af stoftransport med GMS MT3DMS
Modellering af stoftransport med GMS MT3DMS Formål Formålet med modellering af stoftransport i GMS MT3DMS er, at undersøge modellens evne til at beskrive den målte stoftransport gennem sandkassen ved anvendelse
Opsætning af MIKE 3 model
11 Kapitel Opsætning af MIKE 3 model I dette kapitel introduceres MIKE 3 modellen for Hjarbæk Fjord, samt data der anvendes i modellen. Desuden præsenteres kalibrering og validering foretaget i bilag G.
Teoretiske Øvelser Mandag den 13. september 2010
Hans Kjeldsen [email protected] 6. september 00 eoretiske Øvelser Mandag den 3. september 00 Computerøvelse nr. 3 Ligning (6.8) og (6.9) på side 83 i Lecture Notes angiver betingelserne for at konvektion
Bestemmelse af dispersionskoefficient ved sporstofforsøg
Bestemmelse af dispersionskoeffiient ved sporstofforsøg Formål Der er den 09.09.04 udført et storstofforsøg i Østerå med det formål at bestemme den langsgående dispersionskoeffiient for vandløbet. Dispersionskoeffiienten
Skråplan. Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen. 2. december 2008
Skråplan Esben Bork Hansen Amanda Larssen Martin Sven Qvistgaard Christensen 2. december 2008 1 Indhold 1 Formål 3 2 Forsøg 3 2.1 materialer............................... 3 2.2 Opstilling...............................
Bestemmelse af hydraulisk ledningsevne
Bestemmelse af hydraulisk ledningsevne Med henblik på at bestemme den hydrauliske ledningsevne for de benyttede sandtyper er der udført en række forsøg til bestemmelse af disse. Formål Den hydrauliske
brikkerne til regning & matematik statistik preben bernitt
brikkerne til regning & matematik statistik 2+ preben bernitt brikkerne til regning & matematik statistik 2+ 1. udgave som E-bog ISBN: 978-87-92488-33-6 2009 by bernitt-matematik.dk Kopiering af denne
3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Impuls og kinetisk energi
Impuls og kinetisk energi Peter Hoberg, Anton Bundgård, and Peter Kongstad Hold Mix 1 (Dated: 7. oktober 2015) [email protected] [email protected] [email protected] 2 I. INDLEDNING I denne øvelse
grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen
Projektopgave Observationer af stjerneskælv
Projektopgave Observationer af stjerneskælv Af: Mathias Brønd Christensen (20073504), Kristian Jerslev (20072494), Kristian Mads Egeris Nielsen (20072868) Indhold Formål...3 Teori...3 Hvorfor opstår der
MIKE 12 modellering af Hjarbæk Fjord
1 Kapitel MIKE 12 modellering af Hjarbæk Fjord I følgende kapitel redegøres der for de forudsætninger, der danner grundlag for simuleringer af hydrodynamikken i Hjarbæk Fjord. Der simuleres fire forskellige
1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ
Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen
Undersøgelse af flow- og trykvariation
Undersøgelse af flow- og trykvariation Formål Med henblik på at skabe et kalibrerings og valideringsmål for de opstillede modeller er trykniveauerne i de 6 observationspunkter i sandkassen undersøgt ved
Profil af et vandløb. Formål. Teori
Dato Navn Profil af et vandløb Formål At foretage systematiske feltobservationer og målinger omkring en ås dynamik At udarbejde faglige repræsentationsformer, herunder tegne et profiludsnit At måle strømningshastighed
GPS stiller meget præcise krav til valg af målemetode
GPS stiller meget præcise krav til valg af målemetode 1 Måleteknisk er vi på flere måder i en ny og ændret situation. Det er forhold, som påvirker betydningen af valget af målemetoder. - Der er en stadig
Deskriptiv statistik for hf-matc
Deskriptiv statistik for hf-matc 75 50 25 2018 Karsten Juul Deskriptiv statistik for hf-matc Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede og ugrupperede data?...
Kommentarer vedr. Spørgsmål omkring vindmøller betydning for vind og kitesurfere ved Hanstholm
MEMO To Mio Schrøder Planenergi, Århus 10 July 2017 Kommentarer vedr. Spørgsmål omkring vindmøller betydning for vind og kitesurfere ved Hanstholm Dette notat er at betragte som et tillæg til rapporten
Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ 2 -test og Goodness of Fit test.
Lars Andersen: Anvendelse af statistik. Notat om deskriptiv statistik, χ -test og Goodness of Fit test. Anvendelser af statistik Statistik er et levende og fascinerende emne, men at læse om det er alt
Bilag 2: Undersøgelse af de nationale tests reliabilitet. Sammenfatning
Bilag 2: Undersøgelse af de nationale tests reliabilitet Sammenfatning I efteråret 2014 blev der i alt gennemført ca. 485.000 frivillige nationale tests. 296.000 deltog i de frivillige test, heraf deltog
Et eksempel på en todimensional normalfordeling Anders Milhøj September 2006
Et eksempel på en todimensional normalfordeling Anders Milhøj September 006 I dette notat gennemgås et eksempel, der illustrerer den todimensionale normalfordelings egenskaber. Notatet lægger sig op af
Måling og modellering af stofspredning i Østerå
Måling og modellering af stofspredning i Østerå Formål Der er flere formål med at måle og modellere stofspredningen. For det første ønskes vandløbets longitudinale dispersionskoefficient D bestemt. Ydermere
Notat FALDFORHOLD OG SKIKKELSE FOR OMLØB VED MØLLEDAMMEN, USSERØD Å 1 INDLEDNING 2 PRINCIP OG FORUDSÆTNINGER
Notat FALDFORHOLD OG SKIKKELSE FOR OMLØB VED MØLLEDAMMEN, USSERØD Å 19. august 2016 Projekt nr. 224960 Udarbejdet af CMR Kontrolleret af ERI/HPE Godkendt af HPE 1 INDLEDNING Der er projekteret et omløb
Statistik. Peter Sørensen: Statistik og sandsynlighed Side 1
Statistik Formålet... 1 Mindsteværdi... 1 Størsteværdi... 1 Ikke grupperede observationer... 2 Median og kvartiler defineres ved ikke grupperede observationer således:... 2 Middeltal defineres ved ikke
Indhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4
BH Test for normalfordeling i WordMat Indhold Grupperede observationer... 1 Ugrupperede observationer... 3 Analyse af normalfordelt observationssæt... 4 Grupperede observationer Vi tager udgangspunkt i
Opgaver til kapitel 3
Opgaver til kapitel 3 3.1 En løber er interesseret i at undersøge om hendes løbeur er kalibreret korrekt. Hun udmåler derfor en strækning på præcis 1000 m og løber den 16 gange. For hver løbetur noterer
Residualer i grundforløbet
Erik Vestergaard www.matematikfysik.dk 1 Residualer i grundforløbet I dette lille tillæg til grundforløbet, skal vi kigge på begreberne residualer, residualplot samt residualspredning. Vi vil se, hvad
Hvornår kan man anvende zone-modellering og hvornår skal der bruges CFD til brandsimulering i forbindelse med funktionsbaserede brandkrav
Dansk Brand- og sikringsteknisk Institut Hvornår kan man anvende zone-modellering og hvornår skal der bruges CFD til brandsimulering i forbindelse med funktionsbaserede brandkrav Erhvervsforsker, Civilingeniør
Bestemmelse af iltkoncentration i Østerå
Bestemmelse af iltkoncentration i Østerå Iltkoncentrationen i danske vandløb varierer over døgnet og over året. I grøderige vandløb med lav strømningshastighed som Østerå, kan variationen over døgnet om
Analyse af en lineær regression med lav R 2 -værdi
Analyse af en lineær regression med lav R 2 -værdi Denne gennemgang omhandler figur 13 i Regn med biologi. Man kan sagtens lave beregninger på egne data. Forsøgsmæssigt kræver det bare en tommestok tapet
Deskriptiv statistik for matc i stx og hf
Deskriptiv statistik for matc i stx og hf 75 50 25 2019 Karsten Juul Deskriptiv statistik for matc i stx og hf Hvad er deskriptiv statistik? 1.1 Hvad er deskriptiv statistik?... 1 1.2 Hvad er grupperede
Danmarks Tekniske Universitet
Danmarks Tekniske Universitet Side 1 af 11 sider Skriftlig prøve, lørdag den 22. august, 2015 Kursus navn Fysik 1 Kursus nr. 10916 Varighed: 4 timer Tilladte hjælpemidler: Alle hjælpemidler tilladt "Vægtning":
Rapport uge 48: Skråplan
Rapport uge 48: Skråplan Morten A. Medici, Jonatan Selsing og Filip Bojanowski 2. december 2008 Indhold 1 Formål 2 2 Teori 2 2.1 Rullebetingelsen.......................... 2 2.2 Konstant kraftmoment......................
Bestemmelse af stofdispersion
Bestemmelse af stofdispersion Ved hjælp af stoffet kaliumklorid (KCl) er det forsøgt at bestemme den stofspredning, som foregår i sandkassen. Der er i forsøget benyttet KCl, eftersom kloridionerne er negativt
Kursusindhold: Produkt og marked - matematiske og statistiske metoder. Monte Carlo
Kursusindhold: Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet Sandsynlighedsregning og lagerstyring Normalfordelingen og Monte
Opgaver i lineær regression
Erik Vestergaard www.matematikfysik.dk 1 Opgaver i lineær regression Opgave 1 I Troposfæren op til en højde af ca. 12 km over jordoverfladen aftager lufttemperaturen på en regelmæssig måde. istock.com/ttsz
Læring af test. Rapport for. Aarhus Analyse Skoleåret
Læring af test Rapport for Skoleåret 2016 2017 Aarhus Analyse www.aarhus-analyse.dk Introduktion Skoleledere har adgang til masser af data på deres elever. Udfordringen er derfor ikke at skaffe adgang
Resonans 'modes' på en streng
Resonans 'modes' på en streng Indhold Elektrodynamik Lab 2 Rapport Fysik 6, EL Bo Frederiksen ([email protected]) Stanislav V. Landa ([email protected]) John Niclasen ([email protected]) 1. Formål 2. Teori 3.
Hejlsminde Bro- og Bådelaug. Numerisk modellering af strømforhold og vurdering af sedimenttransport.
. Numerisk modellering af strømforhold og vurdering af sedimenttransport. November 2011 Udgivelsesdato : 11. november 2011 Projekt : 23.0820.01 Udarbejdet : Mette Würtz Nielsen Kontrolleret : Claus Michael
Aalborg Universitet Esbjerg 18. december 2009 Spændings og deformationsanalyse af perforeret RHS stålprofil Appendiks E Trækforsøg BM7 1 E09
18. december 2009 Spændings og deformationsanalyse af perforeret RHS stålprofil Appendiks E Trækforsøg Spændings og deformationsanalyse af perforeret RHS stålprofil Appendiks E Trækforsøg... 3 E 1. Teori...
Produkt og marked - matematiske og statistiske metoder
Produkt og marked - matematiske og statistiske metoder Rasmus Waagepetersen Institut for Matematiske Fag Aalborg Universitet February 19, 2016 1/26 Kursusindhold: Sandsynlighedsregning og lagerstyring
Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Analyse af den vederlagsfri fysioterapi - 2014
Analyse af den vederlagsfri fysioterapi - 2014 1. Stiger udgifterne år for år? På baggrund af tal fra det Fælleskommunale Sundhedssekretariat og Prisme ser udviklingen i udgifterne til vederlagsfri fysioterapi
Benchmarking på anbringelsesområdet i Aabenraa Kommune
Benchmarking på anbringelsesområdet i Aabenraa Kommune Aabenraa Kommune har henvendt sig til for at få belyst, hvilke forhold der er afgørende for udgiftsbehovet til anbringelser, og for at få sat disse
Modellering af vandtransport med GMS MODFLOW
Modellering af vandtransport med GMS MODFLOW Formål Formålet med opsætning af en model i GMS MODFLOW er at blive i stand til at beskrive vandtransporten gennem et system bestående af 3 sandtyper; baskarpsand,
Etablering af spunsvæg ved høfdedepot på Harboøre Tange
Ringkjøbing Amt, Teknik og Miljø Etablering af spunsvæg ved høfdedepot på Harboøre Tange Vurdering af Stenbeskyttelse Marts 2005 Udkast 16 marts 2005 Ringkjøbing Amt, Teknik og Miljø Etablering af spunsvæg
Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6
Institut for Matematiske Fag Matematisk Modellering 1 Aarhus Universitet Eva B. Vedel Jensen 25. februar 2008 UGESEDDEL 6 Forelæsningerne torsdag den 21. februar og tirsdag den 26. februar. Jeg har gennemgået
Fysik 2 - Den Harmoniske Oscillator
Fysik 2 - Den Harmoniske Oscillator Esben Bork Hansen, Amanda Larssen, Martin Qvistgaard Christensen, Maria Cavallius 5. januar 2009 Indhold 1 Formål 1 2 Forsøget 2 3 Resultater 3 4 Teori 4 4.1 simpel
Flere unge fra kontanthjælp tilgår og fastholdes i uddannelse
Flere unge fra kontanthjælp tilgår og fastholdes i uddannelse KVANTITATIV ANALYSE 09. maj 2016 Viden og Analyse/NNI og CHF Sammenfatning Analysens hovedkonklusioner: Flere af unge mellem 25 og 29 år forlader
Dansk Erhvervs gymnasieanalyse Sådan gør vi
METODENOTAT Dansk Erhvervs gymnasieanalyse Sådan gør vi FORMÅL Formålet med analysen er at undersøge, hvor dygtige de enkelte gymnasier er til at løfte elevernes faglige niveau. Dette kan man ikke undersøge
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3
Bilag 1: Prisudvikling, generelt effektiviseringskrav og robusthedsanalyser FORSYNINGSSEKRETARIATET AUGUST 2014 VERSION 3 Indholdsfortegnelse Indledning Prisudvikling 2.1 Prisudviklingen fra 2014 til
Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.
Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: [email protected] www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev
6. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag)
Institut for Folkesundhed Afdeling for Biostatistik Afdeling for Epidemiologi. SEMESTER Epidemiologi og Biostatistik Opgaver til Uge 1 (fredag) Opgave 1 Udgangspunktet for de følgende spørgsmål er artiklen:
Tsunami-bølgers hastighed og højde
Tsunami-bølgers hastighed og højde Indledning Tsunamier er interessante, fordi de er et naturligt fænomen. En tsunami er en havbølge, som kan udbrede sig meget hurtigt, og store tsunamier kan lægge hele
Indhold. Resume. 4. Analyse af indtjeningsvilkår Betjeningsdækningens indvirkning Flextrafikkens og OST-tilladelsernes indvirkning
Indhold Resume 1. Indledning Formål og baggrund Overordnet om undersøgelsen 4. Analyse af indtjeningsvilkår Betjeningsdækningens indvirkning Flextrafikkens og OST-tilladelsernes indvirkning 2. Taxivognmændenes
Løsninger til kapitel 1
Opgave. a) observation hyppighed frekvens kum. frekvens 2,25,25 3,875,325 2 3,875,5 3 3,875,6875 4,625,75 5,625,825 6,,825 7 2,25,9375 8,,9375 9,625, Frekvenser illustreres i et pindediagram,2,8,6,4,2,,8,6,4,2
for gymnasiet og hf 2017 Karsten Juul
for gymnasiet og hf 75 50 5 017 Karsten Juul Statistik for gymnasiet og hf 017 Karsten Juul 5/11-017 Nyeste version af dette hæfte kan downloades fra http://mat1.dk/noter.htm Hæftet må benyttes i undervisningen
Enkelt og dobbeltspalte
Enkelt og dobbeltsalte Jan Scholtyßek 4.09.008 Indhold 1 Indledning 1 Formål 3 Teori 3.1 Enkeltsalte.................................. 3. Dobbeltsalte................................. 3 4 Fremgangsmåde
Løsning til eksaminen d. 14. december 2009
DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,
Er der forskelle i resultaterne fra VISSIM og DanKap?
Af Civilingeniør Søren Olesen, Carl Bro as Er der forskelle i resultaterne fra og? Flere og flere er begyndt at anvende trafiksimuleringsprogrammet til kapacitets og fremkommelighedsanalyser idet programmet
Deskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Indholdsfortegnelse. Resendalvej - Skitseprojekt. Silkeborg Kommune. Grundvandsmodel for infiltrationsområde ved Resendalvej.
Silkeborg Kommune Resendalvej - Skitseprojekt Grundvandsmodel for infiltrationsområde ved Resendalvej COWI A/S Parallelvej 2 2800 Kongens Lyngby Telefon 45 97 22 11 Telefax 45 97 22 12 wwwcowidk Indholdsfortegnelse
Arbejdet på kuglens massemidtpunkt, langs x-aksen, er lig med den resulterende kraft gange strækningen:
Forsøgsopstilling: En kugle ligger mellem to skinner, og ruller ned af den. Vi måler ved hjælp af sensorer kuglens hastighed og tid ved forskellige afstand på rampen. Vi måler kuglens radius (R), radius
Undersøgelse af karakterudviklingen på de gymnasiale uddannelser
Undersøgelse af karakterudviklingen på de gymnasiale uddannelser Der har over en længere årrække været en stigning i de gennemsnitlige eksamensresultater på de gymnasiale uddannelser. I dette notat undersøges
Hvad er meningen? Et forløb om opinionsundersøgelser
Hvad er meningen? Et forløb om opinionsundersøgelser Jette Rygaard Poulsen, Frederikshavn Gymnasium og HF-kursus Hans Vestergaard, Frederikshavn Gymnasium og HF-kursus Søren Lundbye-Christensen, AAU 17-10-2004
Dynamik. 1. Kræfter i ligevægt. Overvejelser over kræfter i ligevægt er meget vigtige i den moderne fysik.
M4 Dynamik 1. Kræfter i ligevægt Overvejelser over kræfter i ligevægt er meget vigtige i den moderne fysik. Fx har nøglen til forståelsen af hvad der foregår i det indre af en stjerne været betragtninger
Notat. Stavnsholt Renseanlæg Fortyndingsberegninger 1 INDLEDNING
Notat Granskoven 8 2600 Glostrup Danmark T +45 4348 6060 F +45 4348 6660 www.grontmij.dk CVR-nr. 48233511 Stavnsholt Renseanlæg Fortyndingsberegninger 4. juni 2014 Vores reference: 30.5227.51 Udarbejdet
1. HVOR MANGE SKOLER, FORÆLDRE OG ELEVER DÆKKER UNDERSØGELSEN?
Skole og Samfunds undersøgelse af Skolebestyrelsesvalget 2006 Indsamlingen af data er afsluttet pr. 4. april 2006. 1. HVOR MANGE SKOLER, FORÆLDRE OG ELEVER DÆKKER UNDERSØGELSEN? Antallet af skoleledere,
Præsentation af Model til beregning af spredning fra klapning af uddybningsmaterialer. Præsenteret af Jan Dietrich. 21.
Præsentation af Model til beregning af spredning fra klapning af uddybningsmaterialer Præsenteret af Jan Dietrich 21. november 2013 Klapprocessens hovedelementer Tømning af prammen Sediment stråle ned
Projekt 1 Spørgeskemaanalyse af Bedst på Nettet
Projekt 1 Spørgeskemaanalyse af Bedst på Nettet D.29/2 2012 Udarbejdet af: Katrine Ahle Warming Nielsen Jannie Jeppesen Schmøde Sara Lorenzen A) Kritik af spørgeskema Set ud fra en kritisk vinkel af spørgeskemaet
Modelkontrol i Faktor Modeller
Modelkontrol i Faktor Modeller Julie Lyng Forman Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for Biokemikere 2003 For at konklusionerne på en ensidet, flersidet eller hierarkisk
Geovidenskab A. Vejledende opgavesæt nr. 2. Vejledende opgavesæt nr. 2
Geovidenskab A Vejledende opgavesæt nr. 2 Vejledende opgavesæt nr. 2 Forår 2013 Opgavesættet består af 5 opgaver med tilsammen 16 spørgsmål. Svarene på de stillede spørgsmål indgår med samme vægt i vurderingen.
Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april
Århus 8. april 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Opgave 1 ( gruppe 1: sp 1-4, gruppe 5: sp 5-9 og gruppe 6: 10-14) I denne opgaveser vi på et
Løsning til eksamen d.27 Maj 2010
DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1
Optisk gitter og emissionsspektret
Optisk gitter og emissionsspektret Jan Scholtyßek 19.09.2008 Indhold 1 Indledning 1 2 Formål og fremgangsmåde 2 3 Teori 2 3.1 Afbøjning................................... 2 3.2 Emissionsspektret...............................
Der påvises en acceptabel kalibrering af kameraet, da det værdier kun er lidt lavere end luminansmeterets.
Test af LMK mobile advanced Kai Sørensen, 2. juni 2015 Indledning og sammenfatning Denne test er et led i et NMF projekt om udvikling af blændingsmåling ved brug af et LMK mobile advanced. Formålet er
