API src

Found 16965 results.

Similar terms

s/qi/Ni/gi

Energieeffizienzerhöhung im Abfall- und Recyclingstoff-Sortierprozess durch Anwendung von Methoden der künstlichen Intelligenz, Teilvorhaben: Sensortechnologie und Datenakquise

Im FuE-Vorhaben EnSort sollen im hoch-komplexen Sortierprozess von recycelbaren Abfallstoffen (Verpackungsmaterialien, gelbe Tonne aus Haushalten etc.) zu Wertstoffen mit Hilfe der Künstlichen Intelligenz über zu erfassende und auszuwertende Materialerkennungsdaten Aggregate mit hohem spezifischen Energieverbrauch optimiert werden. Dazu muss die Anpassungsfähigkeit der Anlage an sich ändernde Input- und flexibel geforderte Outputqualitäten erhöht werden. Für die vorauslaufende Digitalisierung des bisher überwiegend manuell geregelten Prozesses ist ein Modell zur vollständigen Simulation des Sortierprozess als digitaler Zwilling zu erstellen. Dieses 'Betriebsmodell' wird im großtechnischen Praxisbetrieb einer Sortieranlage für Leichtverpackungsabfälle (LVP) iterativ verbessert und verifiziert. Die Energieeffizienzsteigerung ist später Resultat einer sich an die ständig wechselnden In- und Outputparameter anpassende Prozessregelung. Weiterhin wird über eine intelligente voll automatisierte Regelung der Gesamtanlage die Auslastung der Einzelaggregate optimiert und damit der Durchsatz erhöht. So sinkt der spezifische Energieverbrauch. Zusätzlich wird die Herstellung der Ballen, zu denen die Recyclate zur Volumenreduktion für die Transportwege gepresst werden, optimiert. Hierzu werden Erkenntnisse aus rein betrieblichen sowie durch das BMWi geförderten Vorhaben genutzt.

Forstwirtschaft - Bestände Staatswald 2011

Der Kartendienst (WMS-Gruppe) stellt die digitalen Geodaten aus dem Bereich Forstwirtschaft des Saarlandes dar.:Waldbestände des SaarForst Landesbetriebes (Staatswald) Die Aussengrenzen (Besitzgrenzen) des Staatswaldes wurden an die ALK angeglichen und sind damit katasterscharf. Die Innengrenzen (Abgrenzungen der Waldbestände eines Eigentümers untereinander) sind anhand der DGK5 und der digitalen Orthofotos mit 40 cm räumlicher Auflösung digitalisiert. Felder und ihre Bedeutung: Hierarchie Char (14) ; landesweit besitzerübergreifend eindeutiger Schlüssel Besitz Char (20) ; Waldeigentümer Revier Char (2) ; SaarForst Reviernummer Reviername Char (25) ; SaarForst Revierbezeichnung Abt Char (4) ; Nummer der Waldabteilung, eindeutig innerhalb eines Waldeigentümers Abteilung Char (8) ; Nummer der Waldabteilung mit vorangestellter Eigentümernummer Uabt Char (1) ; Unterabteilung Bestand Char (1) ; Bestand Teilfl Char (1) ; Teilfläche Beschrift Char (4) ; zusammengesetztes Feld aus Unterabteilung, Bestand und Teilfläche Betr_kl Char (20) ; Betriebsklasse Keine_bew Char (20) ; Erläuterung zu den Waldflächen außer Bewirtschaftung (10%) *) Bewirtsch Char (30) ; Bewirtschaftungsintensitäteinschl. „außer Bewirtschaftung“ Entw_stufe Char (30) ; Entwicklungsstufe Best_typ Char (35) ; Bestandestyp Schlussgra Char (20) ; Schlussgrad Best_stru Char (20) ; Bestandesstruktur Nutz_art Char (20) ; Nutzungsart Atb Char (20) ; Alt- und Totholz Biozönosen-Projektfläche Bl Decimal (3, 0) ; Blösse Anteil der Fläche temporär ohne Baumbewuchs in % Bu Decimal (3, 0) ; Anteil der Baumartengruppe Buche in % Ei Decimal (3, 0) ; Anteil der Baumartengruppe Eiche in % Elb Decimal (3, 0) ; Anteil der Baumartengruppe Edellaubbäume in % Slb Decimal (3, 0) ; Anteil der Baumartengruppe sonstige Laubbäume in % Fi Decimal (3, 0) ; Anteil der Baumartengruppe Fichte in % Ki Decimal (3, 0) ; Anteil der Baumartengruppe Kiefer in % Lae Decimal (3, 0) ; Anteil der Baumartengruppe Lärche in % Dou Decimal (3, 0) ; Anteil der Baumartengruppe Douglasie in % Snb Decimal (3, 0) ; Anteil der Baumartengruppe sonst. Nadelbäume in % Sa_lh Decimal (3, 0) ; Summe der Laubhölzer in % Sa_nh Decimal (3, 0) ; Summe der Nadelhölzer in % Hba Char (3) ; Dominierende Baumartengruppe Farbe Char (10) ; Darstellungsfarbe auf der Wirtschaftskarte Stand der Flächenausweisung „Außer Bewirtschaftung -10% der Staatswaldfläche“ zum 1.9.2011 Bisherige_irB; Bisher in regelmässiger Bewirtschaftung Bisherige_arB; Bisher ausser regelmässiger Bewirtschaftung NWZ_ausgewiesen; durch Rechtsverordnung ausgewiesene Naturwaldzelle Grossschutzgebiet; durch Rechtsverordnung ausgewiesenes Großschutzgebiet ("Urwald") Grossschutzgebiet_ab; Abgang vom Großschutzgebiet, rechtlich nicht umgesetzt Grossschutzgebiet_zu; Zugang zum Großschutzgebiet, rechtlich nicht umgesetzt Referenzfläche; Referenzfläche Prozessschutz Quierschied NWZ_erw: Zugang bzw. Neuausweisung Naturwaldzelle, rechtlich nicht umgesetzt Kernzone_Biosphaere; Kernzonen der Biosphäre Bliesgau.

Grundwassermessstelle APP_GWMN_405

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_405 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EI05 : Amrum. Es liegen insgesamt 53798 Messwerte vor. Es liegen außerdem 44 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_55

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_55 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper ST04 : Angeln - östl. Hügelland West. Es liegen insgesamt 42325 Messwerte vor. Es liegen außerdem 35 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_321

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_321 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper ST03 : Angeln - östl. Hügelland Ost. Es liegen insgesamt 39139 Messwerte vor. Es liegen außerdem 11 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_226

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_226 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper ST04 : Angeln - östl. Hügelland West. Es liegen insgesamt 53639 Messwerte vor. Es liegen außerdem 2 Probenentnahmen vor (siehe Resourcen).

Resiliente Abfluss- und Stauregelung der Wasserstraßen bei extremen Niederschlagsereignissen

Abflussprognosen zur Bewältigung von Extremwetterlagen Um das Transportaufkommen in Deutschland auch unter schwierigen Bedingungen zu bewältigen und dies aufrecht zu erhalten bzw. zu steigern, sind verkehrsträgerübergreifende Lösungsansätze notwendig. Ziel dieses Projekt ist es, die Resilienz und die Verfügbarkeit des Verkehrsträgers Wasserstraße bei extremen Wetterereignissen zu erhöhen. Aufgabenstellung und Ziel Etwa 3.000 km der Bundeswasserstraßen sind mit Staustufen ausgebaut, die meist aus einem beweglichen Wehr, einer Schleuse und einem Laufwasserkraftwerk bestehen. Durch das Ändern des Abflusses über das Kraftwerk und über das Wehr hält ein lokaler Regler den gewünschten Oberwasserstand innerhalb der vorgegebenen Stauzieltoleranz. Die Abfluss- und Stauregelung soll dabei mehrere, mitunter gegensätzliche Ziele erfüllen: Einhaltung des Stauziels innerhalb der festgelegten Toleranz, Verminderung von Abflussschwankungen, optimale Nutzung der Wasserkraft und Minimierung des Verschleißes der Wehrverschlüsse. Im Zuge des Klimawandels ist mit einer Zunahme extremer Wetterereignisse zu rechnen. Die Abfluss- und Stauregelung steht gerade in Niedrigwasserperioden vor wachsenden Herausforderungen. Schwankungen des Abflusses sind in diesen Phasen schwierig auszugleichen und Über- bzw. Unterschreitungen der Stauzieltoleranz sind nicht auszuschließen. Dadurch entsteht eine Gefahr für die Schifffahrt. Ziel des vorgestellten Vorhabens ist es, anhand einer fundierten Datenanalyse und der Methode des maschinellen Lernens Zusammenhänge zwischen Niederschlagsereignissen und Abflussschwankungen vertieft zu untersuchen. Zusätzlich sollen Abflussprognosen erstellt werden, welche die Abfluss- und Stauregelung unterstützen. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Verwendung maschinellen Lernens für Abflussvorhersagen auf der Basis von Niederschlags- und Zuflussdaten stellt ein vielversprechendes Werkzeug für die WSV dar. Prognosen schaffen einen vorausschauenden Handlungsspielraum für die Abfluss- und Stauregelung, sodass starke Wasserstandsund Abflussschwankungen minimiert und damit die Sicherheit und Leichtigkeit der Schifffahrt erhöht werden. Die Resilienz der Wasserstraße wird dadurch auch unter den zunehmenden Auswirkungen des Klimawandels gesteigert. Untersuchungsmethoden Das Verfahren wird exemplarisch an einer Stauhaltung der Mosel getestet. Die Niederschlagsdaten des Einzugsgebiets der Stauhaltung werden vom Deutschen Wetterdienst im Rahmen der Zusammenarbeit im BMDV-Expertennetzwerk bereitgestellt. Die Pegeldaten der oberliegenden Stauhaltung sowie die der untersuchten Stauhaltung selbst werden von der WSV zur Verfügung gestellt. In einem ersten Schritt werden die Pegeldaten untersucht. Anhand einer Kreuzkorrelation können Abhängigkeiten zwischen dem oberliegenden Pegel und dem Pegel in der untersuchten Stauhaltung aufgezeigt werden. In einem weiteren Schritt werden ebenfalls die Niederschlags- und Wehrdaten betrachtet und deren Zusammenhang mit den Pegeldaten untersucht. Zusätzlich wird eine Methode erarbeitet, um Wasserstandsschwankungen so zu filtern, dass die Werte möglichst unbeeinflusst von Schleusungen und Schifffahrt sind. Im Anschluss an die Aufbereitung der Daten wird nach einer geeigneten Methode des Maschinellen Lernens (ML) gesucht. Dabei werden unterschiedliche ML-Modelle in Python implementiert und trainiert. Der vielversprechendste Modelltyp soll weiter genutzt und mit unterschiedlichen Parametrierungen getestet werden. Hierbei wird immer auf einen Prognosezeitraum von drei Stunden hingearbeitet. Für die Abfluss- und Stauregelung ist eine dreistündige Prognose wünschenswert, um Schwankungen des Abflusses effektiv zu bewältigen.

Entwicklung von energieeffizienten Koaleszenzfiltermedien für CO2-Einsparung bei der Verdichtung von Wasserstoff mittels eines neuartigen Herstellprozesses, Teilvorhaben: Numerische Modellierung und Simulation von Filtersystemen basierend auf Machine Learning und CFD-Methoden

Der zukünftig erhöhte Wasserstoffbedarf rückt den Transport über Pipelines in den Vordergrund. Durch lange Transportwege muss dieser regelmäßig auf seinen Ausgangsdruck verdichtet werden. Zur Komprimierung sind entsprechende Kompressoren notwendig, welche mit Koaleszenzfiltern ausgestattet werden müssen, um die Reinheit des Wasserstoffs beim Transport zu gewährleisten. Das Projekt beschäftigt sich mit der Entwicklung und Realisierung einer neuartigen Technologie zur Fertigung von Koaleszenzfiltermedien, welche mittels Schaumauftragsverfahren hergestellt werden. Ein gezieltes Design der Filtermedien ermöglicht eine Verringerung des Druckverlustes und somit ein enormes CO2-Einsparpotential. Um das CO2-Einsparpotential unter realen Bedingungen zu ermitteln, wird für Testzwecke ein Wasserstoffteststand aufgebaut. Parallel zu den Experimenten werden numerische Untersuchungen, die zu einem auf klassischen CFD-Verfahren basieren, als auch auf Machine-Learning basierten Ansätzen beruhen. Durch geeignete Co-Simulationen können Modelle für unterschiedliche Skalen berechnet werden. Die validierten Modelle werden für die Optimierung komplexer Filterstrukturen eingesetzt und erlauben eine Effizienz-Steigerung der Filtermedien.

Entwicklung eines Copernicus-Dienstes zur Erstellung konsistenter Daten für die Waldfläche Deutschlands, Teilvorhaben: Funktionstests NW-FVA

Entwicklung eines Copernicus-Dienstes zur Erstellung konsistenter Daten für die Waldfläche Deutschlands, Teilvorhaben: Datenmanagement

1 2 3 4 5 … 1695 1696 1697