Enkeltfag Engelsk 5 ECTS

Data analysis, prediction and data-driven modelling of environmental systems

Overordnede kursusmål

Det overordnede mål med dette kursus er at lære at arbejde med spatiale data og sensor-observationer, og at bruge dem til at konstruere modeller af miljøprocesser. Dette er et avanceret modelleringskursus, der kombinerer koncepter fra f.eks. 12104, 12320, 02450 med det formål at udnytte store datasæt i prognoser og analyser af miljøprocesser.

Vi fokuserer på afstrømnings- og forureningsprocesser, men de metoder og udfordringer, der opstår i datahåndtering og modeludvikling, er bredt anvendelige til modellering og prognoser i miljøområdet (f.eks. grundvandsmodellering, forudsigelser af oversvømmelser, forudsigelser af forureningsbelastninger i vandløb osv.) Du vil lære at:
• Indhente spatiale (f.eks. højdekort) og tidsseriedata (f.eks. vandstande i vandløb) fra offentlige kilder og analysere dem ved hjælp af Python og GIS,
• Genkende og håndtere fejl og usikkerheder i datakilderne,
• Konceptualisere, implementere og validere modelbeskrivelser for afstrømningsprocesser, og
• Integrere klassiske procesbeskrivelser med maskinlæringsteknikker for at generere robuste forudsigelser.

Kurset henvender sig til studerende, der er interesserede i avancerede modelleringskoncepter for miljøprocesser og ønsker at forfølge en videnskabelig eller industriel karriere inden for environmental datascience. Det antages, at du har en grundlæggende forståelse af programmering i skriptsprog, GIS og hydrologiske processer.

See course description in English

Administrere og analysere store datasæt der beskriver miljøprocesser ved hjælp af scripting og GIS-værktøjer
Forstå og analysere begrænsninger af miljøobservationer
Konstruere, implementere og forbedre afstrømningsmodeller ved hjælp af scriptsprog
Implementere numeriske kalibreringsprocedurer på selvskrevne modeller
Anvende systematiske fejlfindingsprocedurer for at opdage programmeringsfejl i datastyring og modelleringskode
Formulere maskinlæringsarkitekturer, der er anvendelige til forskellige typer af miljødata
Forstå og validere de antagelser, der ligger til grund for modelkalibreringsprocedurer
Konceptualisere og implementere modelarkitekturer der kombinerer fysisk procesforståelse og datadrevne lag til modellering af miljøprocesser
Argumentere for modelleringsvalg baseret på procesforståelse
Vurdere modellens nøjagtighed med fokus på modelleringsformålet
Kommunikere modelleringsresultater og begrænsninger i forskellige formater

Indhentning af data fra offentlige kilder. Matematisk beskrivelse af processer. (Fysisk-baseret) maskinlæring for miljøprocesser.