Veden laadun suunnittelu

Slides:



Advertisements
Samankaltaiset esitykset
Yleistä Läsnäolovelvollisuus Poissaolojen selvitys Käyttäytyminen
Advertisements

Yhtälön ratkaiseminen
Robust LQR Control for PWM Converters: An LMI Approach
lämpöoppia eri lämpötila, eri aineet, loppulämpötila?
Lineaarisia malleja.
5.1. Tason yhtälö a(x – x0) + b(y – y0) + c(z – z0) = 0
Analyyttinen geometria MA 04
SUOMI – JÄRVIEN JA JOKIEN MAA
Päivi Joki-Heiskala Paimionjoki-yhdistys ry
Miten vesi kiertää? 1a Etelä-Pohjanmaalla keskimäärin
Stokastinen varastoteoria
Korroosionesto ja pinnoitustekniikka: korroosioympäristöjä
Pauliina Salmi Järvikalapäivä
MALLI: Osoite: Minulla on uusi … -> Minulla on uusi osoite. Jeg har en ny adresse. Osoite: Tiedätkö Liisan osoitteen?
Epätäydellinen data & herkkyysanalyysi Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä 9 - Ratkaisu Ilkka Lampio Työn saa tallentaa.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Ari Tiainen Optimointiopin seminaari - Kevät 2005 / 1 Käänteisoptimointiin perustuvat huutokaupat.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Fraktaalit – Ville Brummer Optimointiopin seminaari - Kevät 2007 Fraktaalit Ville Brummer.
Duaali Teemu Myllynen.
AS Automaation signaalinkäsittelymenetelmät
T Automaatiotekniikka 2 4op
Kanuuna seminaari Seinäjoki  Aiemmissa malleissa lähtökohta, jossa määriteltiin hyvinvoinnin esteitä, joita sitten voitiin ratkoa  Toimintavalmius.
Palaminen Esimerkki tehtävä Nimi……. Luokka…...
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
3. Funktioista 3.1. Kuvaus ja funktio
Luonnonmukainen vesirakentaminen peruskuivatushankkeissa
Diofantoksen yhtälö 10x + 4y = 36.
Virtuaaliset jäsenfunktiot tMyn1 Virtuaaliset jäsenfunktiot Virtuaalinen jäsenfunktio on esiteltävä monimuotoisessa kantaluokassa. Virtuaalisen jäsenfunktion.
Tuotanto ja hoitaminen Anu kopra & Kirsti Laakso hokl 2001
Suomen virtavesien erityispiirteet
Kalakantojen arviointi (KALAT22)
VARELY /Olli Madekivi1 Aluehallinnon tietotarpeita maa- ja metsätalouden vesienhoidon suunnittelussa ja seurannassa Olli Madekivi Varsinais-Suomen.
Aikasarja-analyysin perusteet
XHTML-perusteita Teppo Räisänen
PARAABELI (2. ASTEEN FUNKTION KUVAAJIA)
Muuttujien riippuvuus
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2010 Lineaarinen.
1 Ohjelmointikielten varhaishistoria Esa-Matti Miettinen
5. Lineaarinen optimointi
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2009 Projektien suunnittelu ja skedulointi.
KESKIVIIKKO KOTITETEHTÄVÄT. Siis suorat ovat kohtisuorassa toisiaan vastaan.
4. Optimointia T
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Aira Hast Systeemitieteiden kandidaattiseminaari – Kevät 2010 Tulvien ennustaminen matemaattisia.
Huonekasvien hoito pähkinänkuoressa
5. Fourier’n sarjat T
Ekosysteemien tila MERET: Saastuminen: Ylikalastus Tulokaslajit
Valintarakenne valintarakenne alkaa aina kysymyksellä eli ehdolla ehto tarkoittaa, että muuttujan sisältöä verrataan toisen muuttujan sisältöön tai vakioon.
4. Lineaarinen optimointi
T Automaatiotekniikka 2 4op Matemaattinen mallinnus Matemaattinen malli on ensimmäinen askel säädön suunnittelussa (tietokoneavusteisessa) Matemaattinen.
TANGENTTI Suora, joka sivuaa käyrää.
1.Peruskäsitteitä vektoreista
11. Rehevöityminen on vesistöjen ongelma
Rehevöityminen  Rehevöityminen tarkoittaa perustuotannon kasvua, joka johtuu lisääntyneestä ravinteiden saatavuudesta. Ravinteita leviää vesiin muun muassa.
Asheesh/haja-asustus/20101 Jätevesien käsittelyjärjestelmät ja -prosessit  Jätevesien käsittelyn tekniikka  Jäteveden ominaisuudet ja koostumus  Mekaanis-biologinen.
4.1 PLANKTON 7. BIOLOGIA. 73 % Maan pinta-alasta on veden peittämää Mistä päin maapalloa ilmakuva on otettu?
20. Paikka, nopeus, kiihtyvyys
Vesistöpäällikkö Visa Niittyniemi Kaakkois-Suomen ELY-keskus
Jätevesien käsittelyjärjestelmät ja -prosessit
7. Aineet ovat seoksia tai puhtaita aineita
III VAHVAT SIDOKSET Ionisidos Metallisidos Kovalenttinen sidos
Y56 Luku 21 Yrityksen teoria: kustannuskäyrät
Lineaariset regressiomenetelmät
Lukion kemia 3, Reaktiot ja energia
Vesistöjen rehevöityminen
Opiskelutaidot ja aineenopettajan ohjaus
Jätevesien käsittelyjärjestelmät ja -prosessit
Y56 Luku 20 Yrityksen teoria: Kustannusten minimointi
Kari Kamppi FCG Suunnittelu ja tekniikka Oy
Päästöt ja kulkeutuminen Kylylahden ja Luikonlahden kaivosalueilla
Alavudenjärvi lukujen ja tilastojen valossa
Ikaalisten neuvottelukunnan 2. kokous Ämer Bilaletdin
Esityksen transkriptio:

Veden laadun suunnittelu Vesistösuunnittelu 23.3.2007 Ari Jolma

Sisältö Johdanto jossa tarkastellaan mm. vesistön säännöstelyä, kun veden laatu on tärkeä tilamuuttuja Veden laadun simulointi tarkastellaan veden laatua suunnitteluongelmana ja sen simulointia jokivesistössä (hydrauliikan & aineiden kulkeutumisen kertausta) Lineaarinen ohjelmointi esitellään optimointimenetelmä, jolla voidaan mm. hakea halvinta tapaa jokivesistön veden laadun saamiseksi normien mukaiseksi

Monen altaan säännöstely altaiden yhteistoiminta minimi- ja maksimijuoksutukset altaiden vedenkorkeudet veden laatu altaissa

Monen altaan säännöstely käytännössä, esimerkki: NYC 4 isoa tekoallasta Catskills –vuoristossa altaiden valuma-alueilta tulevan hajakuormituksen minimointi Useita pieniä altaita lähempänä NYC:tä Tila & tilansiirto: altaiden varastot vedenpintojen korkeudet altaiden veden laatu sääennuste tulovirtaama & kuormitus valuma-alueilta veden tarve alempien varastojen tila, veden kulutus

Veden laadun simulointi Kuormituksen ja veden laadun välisen yhteyden laskemista Mitä on kuormitus ja mitä ominaisuuksia sillä on? Mitä tarkoitetaan veden laadulla? Voidaanko yhteys osoittaa ja kuinka vahva se on? Miksi?

Kuormitus Kuormituksen lähde Kuormituksen tyyppi Teollisuus, yhdyskunnat, haja-asutus, maatalous, ilmalaskeuma, loma-asutus, metsätalous, pienet asiat Kuormituksen tyyppi Rehevöittävä (ravinteet), Toksinen, Väri (humus), Lämpö Pistekuormitus vs. Hajakuormitus ero ei aina ole selvä! Kuormituksen vaihtelu ajassa Teollisuuslaitos: esim. vuorokausirytmi Esim. valunnan mukana pellolta

Veden laatu 1. Fysikaalis-Kemiallinen laatu Biologinen laatu (termi?) mittaaminen vaikeutuu Fysikaalis-Kemiallinen laatu esim. happipitoisuus tai hapenkulutus mitattuna KMnO2-lukuna esim. väri (humuksesta johtuva) esim. lämpötila, pH Biologinen laatu (termi?) esim. ravinnepitoisuus, kasviplanktonin määrä, Ekologinen tila Eliöstön määrä ja vaihtelu <- fysikaalis-kemiallinen laatu, fysikaaliset seikat (virtaukset yms), jne

Veden laatu 2. Veden laadun vaihtelu ajassa Rajoittava tekijä vuorokausi-, vuodenaikais- Rajoittava tekijä esim. minimihappipitoisuus

Veden laatu 3. Veden laadun vaihtelu paikassa x,y,z virtaukset kerrostuneisuus

Veden laatu 4. Veden laadun normit Normit kuormittajille normit olosuhteille vesiympäristössä esim. minimihappipitoisuus, alivirtaamaaikana, paikassa xy kuka vastaa jos normeja rikotaan? Normit kuormittajille kuormituksen laatu kuormituksen määrä tasapuolisuus (alueittain, aloittain jne) jos maksat, saat kuormittaa?

Kuormituksen ja veden laadun yhteys järvessä - prosessit ja kuormi- tuksen synty valuma- alueella prosessit järvessä sedimentoituneiden ravinteiden vapautuminen

Toimenpiteet valuma-alueella Pienpuhdistamot Laskeutusaltaat Kosteikot Toimenpiteet maatiloilla Erilaiset suodattimet Veden kierrätys Viljelytekniset toimenpiteet Kuivatukseen liittyvät menetelmät Suoja-alueet ja –vyöhykkeet jne Nämä kaikki rehevöitymisen torjumiseen lisää järven kunnostus -luennolla

Toimenpiteet järvessä Hoitokalastus vaikutetaan ravintoketjuun vaikutetaan tiettyihin lajeihin ylläpito ja tuloksen vakauttaminen? Fysikaalis-Kemialliset käsittelyt hapetus pohjan peitto fosforin saostus kallista, hoitaa oiretta lisää järven kunnostus -luennolla

Kuormituksen ja veden laadun yhteys jokivesistössä hajakuormitus pistekuormitus sekoittuminen vedenottopaikka kriittinen habitaatti

Instituutiot Eri toimijatahot Eri rahoittajatahot Eri hyötyjätahot Lait ja muut säädökset Koulutus ja tiedotus Apua tutkimuksessa/projekteissa: sosiologit, antropologit, taloustieteilijät, ...

Kustannukset Kustannusten minimointi edellyttää luonnollisesti tietoa kustannuksista: investointikustannukset käyttökustannukset € c

Vedenlaatumallit 1. Mallintamisen tarkoitus? tässä: veden laadun suunnittelu Yleensä, vesistösysteemi on: 3-ulotteinen dynaaminen (ajassa vaihteleva) stokastinen (satunnaissuureita) epävarmuutta sisältävä kaikkien prosessien merkitystä yms. ei tunneta

Olettamukset 1. Vakio-olosuhteet Deterministinen T, Q, yms eivät muutu ajassa Kuormitus on vakio Deterministinen Kuormitus tunnetaan 1-dimensioinen tilanne (joki)

Aineiden kulkeutumisen mekanismit Advektio veden mukana Dispersio “sekoittuminen” Reaktion myötä esim. biologinen hajoaminen esim. sedimentoituminen

Perusmääritelmät & olettamuksia Nopeus [m/s] oletetaan vakionopeus koko uoman poikkileikkauksessa [m2] Virtaama nopeus • poikkileikkaus [m3/s] Konsentraatio aineen massa tilavuudessa [mg/l] Kuormitus (massavuo) konsentraatio * virtaama [kg/vrk] kuormitus yleensä: veden laatu, virtaama

Jokivesistö uomaelementeistä elementtiin menee tietyn laatuista vettä tietyllä virtaamalla elementin sisällä tapahtuu tiettyjä prosesseja solmuissa oletetaan täydellinen ja yht’äkkinen sekoittuminen elementistä tulee vettä samalla virtaamalla kuin sinne meni mutta laatu on eri elementin (ei elementtien!) ominaisuudet (poikkileikkaus yms.) oletetaan vakioiksi

Virtaama vs. veden nopeus 1. Kaavat aina empiirisiä Chezy: u = veden nopeus C = uoman karkeuskerroin (korkea sileille, matala karkeille) R = hydraulinen säde (poikkileikkauksen suhde märkäpiiriin)

Virtaama vs. veden nopeus 2. Manning: n = Manningin kerroin oli miten oli, kaava voidaan kirjoittaa a ja b parametreja

Massatasapaino näillä olettamuksilla advektio reaktio dispersio c = konsentraatio [mg/l] Ex = dispersiokerroin (empiirinen) [m2/s] k(c) = funktio, joka esittää aineen poistumista/tuloa uomaelementtiin reaktioiden seurauksena

Dispersio & u vs. t Oletetaan että dispersio on merkityksetöntä Todetaan, että vakionopeudella matkasta saadaan aika kertomalla se jollain vakiolla

Streeter-Phelps Ilma Lika-aine Vesi Streeter, H.W. and Phelps, E.B, Study of the pollution and natural purification of the Ohio river, U.S. Public Health Service, Washington D.C., Bulletin N0. 146, 1925 Ilma O2 Vesi Lika-aine lika-aine = happea kuluttava aine -> happivajaus

Lika-aineen vaikutus happipitoisuuteen hapen siirtyminen ilmasta veteen = luontainen puhdistuminen c x = t

Matemaattisesti lika-aineen hajoaminen c1 = BOD k1 = hajoamisnopeus happitasapaino c2 = happivaje k2 = hapen siirtymis-nopeus ilmasta veteen Huom: k1 ja k2 voidaan asettaa elementtikohtaisesti

Huomautuksia Sedimentin vaikutus Parametrien arvot riippuvat esim. lämpötilasta Vain happi! Toimii yleensä Yhtälön ratkaisu esim. Mathematicalla

Laajennus dL(t) / dt = - k1L(t) dCNH4(t) / dt = - k3CNH4(t) dCNO3(t) / dt = k3CNH4(t) - k4CNO3(t) dD(t) / dt = k1L(t)+ k5k3CNH4(t)- H-1k2D(t)+H-1k6 dCTP(t) / dt = - H-1k7CTP(t) k3 ammoniumin hajoamisnopeus [1/vrk] k4 nitraatin häviönopeus [1/vrk] k5 happimäärä, joka tarvitaan hapettamaan 1 g ammonium-typpeä [~4,57 g] k6 sedimentin hapentarve [m*mg/vrk] k7 kokonaisfosforin sedimentoitumisnopeus [m/vrk] H on uoman syvyys [m]

Yhtälö veden laadun muutokselle uomaelementissä c1 = T c0 + b c0 on vedenlaatuvektori uoman alussa c1 on vedenlaatuvektori uoman lopussa T on siirtokerroinmatriisi b on vektori (tarvitaan jos käytetään happipitoisuutta happivajeen sijasta) Huom: lineaarinen yhtälöryhmä

Lineaarinen ohjelmointi (LP) On maksimoitava tai minimoitava päätösmuuttujien polynomisummaa: max (tai min) y = cTx Siten että: Ax  b xi > 0 A, b ja c ovat parametrimatriisi ja vektorit x on päätösmuuttujavektori y on kohdefunktion arvo

Malli Päätösmuuttujat? Pistekuormitus (käytännössä suunnitteluvaihtoehto eli diskreetti -kokonaisluku- arvo) Kohdefunktio? Kustannus Vedenlaatuindeksi Rajoitukset? Vedenlaatumalli Vesitase

Sekalukuoptimointi - mixed integer linear programming: MILP (Jokin tai jotkin) päätösmuuttuja voidaan pakottaa kokonaisluvuksi Binäärinen päätösmuuttuja saa joko arvon 0 tai 1 = kokonaislukupäätösmuuttuja, joka lisäksi on pakotettu pienemmäksi tai yhtäsuureksi kuin yksi

LP käytännössä MILP Mallinnuskieli (kääntäjä) matriisimuoto (tms.) (ratkaisija) ratkaisu Mallinnuskieli: 1. määrittelyt 2. kohdefunktio 3. rajoitukset ajatuksena on, että kohdefunktio ja rajoitukset voidaan kirjoittaa mahdollisimman ongelmaläheisellä tavalla ja että mallin käyttö (ja uudelleenkäyttö) on mahdollisimman helppoa

Linearisointi Konveksin kohdefunktion linearisointi Hyöty b x1 x2 x3 Päätösmuuttuja x

(jatkoa...) Linearisointi funktion linearisointi y x1 x2 x3 x4 x