Zusammenfassung der Konferenz

Programm der Konferenz

Klicken Sie
hier
für das vollständige Programm.

Abstracts zur Konferenz

Klicken Sie
hier
für eine vollständige Liste der auf der Konferenz vorgestellten Abstracts.

Vor-Konferenz-Kurzlehrgang

Datenassimilation und Optimierung: Konzepte und mathematische Grundlagen

Ausbilder: Jeremy White, John Doherty, Randy Hunt, Mike Fienen

Haben Sie keine Angst vor der Mathematik. Die Konzepte sind wichtiger als die Gleichungen; in diesem Kurs werden die Konzepte besprochen, die die Gleichungen beleuchten.

Diese Konzepte werden Ihnen helfen zu verstehen, was unter der Haube von PEST und PEST++ vor sich geht. Aber sie gehen viel weiter als das. Sie werden Ihnen helfen zu verstehen, was von der Modellierung zur Entscheidungsunterstützung im Allgemeinen erwartet werden kann und wie der Prozess der Modellierung zur Entscheidungsunterstützung angepasst werden kann, um diese Erwartungen zu erfüllen.

Die Erörterungen beschränken sich nicht auf die Singulärwertzerlegung. Sie werden sich darauf erstrecken, wie man ein Umweltproblem so zerlegen kann, dass die Modellierung dieses Problems möglich wird. Dieses Wissen kann die Entwicklung eines schlanken und effizienten Modellierungsprozesses unterstützen, der Informationen aus Daten gewinnen, sie auf eine wichtige Entscheidung ausrichten und die mit dieser Entscheidung verbundenen Risiken klären kann. Auf diese Weise können Sie alle Möglichkeiten der Modellierung in den Entscheidungsprozess einbeziehen.

Post-Konferenz-Kurzlehrgang

Einführung der Workflow-Automatisierung mit Python und PEST++

Ausbilder: Mike Fienen, Randy Hunt, Jeremy White

Das Zusammenspiel von schneller, robuster und wiederholbarer Umweltmodellierung ist ein besonderes Einhorn, das gezähmt werden muss. Der PEST++-Rahmen bietet die robusten Werkzeuge, die erforderlich sind, um Umweltmodelle auf ihr Entscheidungspotenzial zu bringen. Wiederholbarkeit und – mit etwas Einhornzähmung – erhöhte Effizienz werden durch Open-Source-Workflow-Tools erreicht, die auf dem PEST++-Rahmen aufbauen. In diesem Kurzlehrgang wird anhand eines funktionierenden Beispielmodells ein beispielhafter Arbeitsablauf für die Vorhersagemodellierung vorgestellt, der von der Verbindung eines Modells mit PEST über die Analyse und Datenassimilation bis hin zur Entscheidungsfindung reicht und während des gesamten Prozesses Skripte einsetzt. Die Workflow-Tools sind in der Programmiersprache Python geschrieben.