Module also offered within study programmes:
General information:
Name:
Modelling of environmental transport processes
Course of study:
2016/2017
Code:
JFT-1-704-s
Faculty of:
Physics and Applied Computer Science
Study level:
First-cycle studies
Specialty:
-
Field of study:
Technical Physics
Semester:
7
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr hab. inż. Zimnoch Mirosław (zimnoch@agh.edu.pl)
Academic teachers:
dr inż. Wachniew Przemysław (wachniew@agh.edu.pl)
dr hab. inż. Zimnoch Mirosław (zimnoch@agh.edu.pl)
dr inż. Gałkowski Michał (Michal.Galkowski@fis.agh.edu.pl)
Module summary

Przedmiot ma na celu wprowadzenie studenta w zagadnienia związane z modelowaniem procesów transportu w środowisku na przykładzie prostych zagadnień

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student potrafi zaplanować pracę zespołową i rozdzielić zadania oraz oszacować czas realizacji FT1A_K09, FT1A_K06 Project
Skills
M_U001 Student umie przygotować, wykonać i zweryfikować prosty program modelujący wybrane zjawisko transportu w środowisku FT1A_U02, FT1A_U01, FT1A_U05 Activity during classes,
Execution of a project,
Execution of laboratory classes
M_U002 Student potrafi poprawnie zinterpretować wyniki symulacji FT1A_U08, FT1A_U09 Report,
Execution of laboratory classes,
Activity during classes
Knowledge
M_W001 Student zna i rozumie zjawiska fizyczne odpowiedzialne za transport masy energii i pędu w wybranych składnikach środowiska FT1A_W03, FT1A_W11 Activity during classes,
Participation in a discussion
M_W002 Student dysponuje wiedzą na temat metod numerycznych stosowanych do modelowania procesów transportu FT1A_W06 Activity during classes,
Participation in a discussion
M_W003 Student zna etapy realizacji modelowania numerycznego FT1A_W04 Activity during classes,
Participation in a discussion
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student potrafi zaplanować pracę zespołową i rozdzielić zadania oraz oszacować czas realizacji - - - + - - - - - - -
Skills
M_U001 Student umie przygotować, wykonać i zweryfikować prosty program modelujący wybrane zjawisko transportu w środowisku - - + + - - - - - - -
M_U002 Student potrafi poprawnie zinterpretować wyniki symulacji - - + + - - - - - - -
Knowledge
M_W001 Student zna i rozumie zjawiska fizyczne odpowiedzialne za transport masy energii i pędu w wybranych składnikach środowiska + - + - - - - - - - -
M_W002 Student dysponuje wiedzą na temat metod numerycznych stosowanych do modelowania procesów transportu + - + - - - - - - - -
M_W003 Student zna etapy realizacji modelowania numerycznego + - + - - - - - - - -
Module content
Lectures:

Tematyka wykładów obejmuje następujące zagadnienia:
• Klasyfikacja modeli ze względu na różne kryteria (wymiar, obszar, modelowana wielkość itp.)
• Modele dynamiczne i statyczne, modele stacjonarne i niestacjonarne, modele o parametrach skupionych i rozłożonych.
• Konstrukcja różnych siatek obliczeniowych.
• Definiowanie warunków brzegowych i początkowych.
• Przejście od równań różniczkowych do postaci iteracyjnej dla równań transportu masy ciepła.
• Uproszczenia stosowane w modelowaniu (redukcja wymiarów, zaniedbywanie nieznaczących czynników itp.)
• Etapy realizacji modelowania numerycznego. Model fizyczny. Model matematyczny. Model obliczeniowy. Kalibracja i skalowanie modelu. Obliczenia i weryfikacja wyników.
• Dobór algorytmu obliczeniowego do rozwiązywanego zjawiska (stabilność numeryczna, kryteria stabilności)

Laboratory classes:
  1. Symulacja ruchów Browna metodą Monte-Carlo

    Efekty kształcenia:
    - student zna podstawy fizyczne ruchów Browna
    - student potrafi zastosować metodę Monte-Carlo do przeprowadzenia prostej symulacji

  2. Modelowanie 2D transportu ciepła

    Efekty kształcenia:
    - student umie wykonać dyskretyzację równania różniczkowego przy użyciu prostych aproksymacji pochodnych funkcji
    - student potrafi zweryfikować poprawność uzyskanych wyników i przeanalizować stabilność numeryczną zastosowanego algorytmu

  3. Modelowanie transportu adwekcyjno-dyspersyjnego w rzece

    Efekty kształcenia:
    - student zna równanie opisujące transport adwekcyjno-dyspersyjny
    - student potrafi napisać skrypt do numerycznego rozwiązania prostego równania różniczkowego

  4. Modelowanie pudełkowe transportu wód podziemnych

    Efekty kształcenia:
    - student umie zastosować całkę splotu do symulacji transportu wód podziemnych
    - student potrafi zastosować właściwy wariant modelu najlepiej opisujący modelowany obiekt

  5. Zero wymiarowy model bilansu radiacyjnego Ziemi

    Efekty kształcenia:
    - student zna mechanizmy wpływające na bilans radiacyjny Ziemi
    - student potrafi ocenić wpływ różnych parametrów modelu na uzyskane wyniki

  6. Symulacja układu do pomiaru strumieni CO2 metoda komory statycznej

    Efekty kształcenia:
    - student potrafi zbudować prosty model matematyczny opisujący zachowanie fizycznego obiektu
    - student umie wykonać kalibrację modelu w oparciu o dostępne wyniki eksperymentalne

  7. Zastosowanie metody momentów do analizy przepływów w kanałach otwartych

    Efekty kształcenia:
    - student umie zastosować metody statystyczne do obliczenia parametrów hydraulicznych cieków wodnych
    - student potrafi zidentyfikować modelowany obiekt na podstawie porównania wyników symulacji z danymi pomiarowymi

  8. Modelowanie smugi gaussowskiej

    Efekty kształcenia:
    - student umie pozyskać informacje z udostępnionych aktów prawnych w celu obliczenia poziomu zanieczyszczenia powietrza w funkcji odległości od emitera

  9. Symulacja dyfuzji radonu w glebie

    Efekty kształcenia:
    - student potrafi dobrać odpowiedni rodzaj modelu (stacjonarne lub niestacjonarne) w celu uzyskania zamierzonego efektu
    - student potrafi prawidłowo uprościć model redukując część wymiarów lub zaniedbując czynniki mało znaczące

  10. Zastosowanie znaczników izotopowych do kalibracji bilansu obiegu węgla

    Efekty kształcenia:
    - student umie wykorzystać techniki znacznikowe do kalibracji i/lub weryfikacji używanych modeli

Project classes:

Tematyka projektów dostosowana będzie do indywidualnych zainteresowań studentów.
Projekt będzie realizowany częściowo w ramach zajęć (możliwość dyskutowania wybranego problemu w grupie i konsultacji z prowadzącym), a częściowo samodzielnie w ramach 2 osobowych grup. Tematyka projektów dostosowana będzie do indywidualnych zainteresowań studentów.
Efekty kształcenia:
- student prawidłowo planuje etapy realizacji modelu
- student umie stworzyć prosty model numeryczny symulujący wybrane procesy transportu
- student prawidłowo prezentuje i interpretuje uzyskane wyniki
- student potrafi zaplanować pracę zespołową, podzielić zadania i ocenić czas realizacji projektu

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 100 h
Module ECTS credits 4 ECTS
Participation in lectures 14 h
Realization of independently performed tasks 14 h
Participation in laboratory classes 18 h
Preparation for classes 28 h
Participation in project classes 8 h
Completion of a project 18 h
Additional information
Method of calculating the final grade:

Ocena z laboratorium stanowi średnią arytmetyczna z ocen za sprawozdania z poszczególnych ćwiczeń uwzględniających aktywność studenta na zajęciach.

Ocena z laboratorium jest obliczana tylko wówczas, gdy student uzyskał ze wszystkich ćwiczeń pozytywne oceny cząstkowe.

Ocena końcowa z modułu obliczana jest jako średnia ważona z oceny z laboratorium (60%) i oceny z projektu (40%)

Prerequisites and additional requirements:

• Znajomość podstaw algebry liniowej (operacje na wektorach i macierzach)
• Znajomość podstaw rachunku różniczkowego i całkowego
• Podstawowa umiejętność programowania proceduralnego

Recommended literature and teaching resources:

Literatura:

Heermann D.W. Podstawy symulacji komputerowych w fizyce. Wydawnictwa Naukowo-Techniczne, 1997

Holnicki P., Nahorski Z., Żochowski A. Modelowanie procesów środowiska naturalnego. Wyższa Szkoła Informatyki Stosowanej i Zarządzania, Warszawa 2000.

Szymkiewicz R. Modelowanie matematyczne przepływów w rzekach I kanałach. Wydawnictwo Naukowe PWN, Warszawa 2000.

Pomoce naukowe:

Środowisko obliczeniowe MATLAB (dostęp w pracowniach komputerowych)
lub
Program FreeMat dostępny na licencji GNU Public licence v.2

Scientific publications of module course instructors related to the topic of the module:

Zimnoch, M., Wach, P., Chmura, L., Gorczyca, Z., Rozanski, K., Godlowska, J., Mazur, J., Kozak, K., Jericevic, A., 2014, Factors controlling temporal variability of near-ground atmospheric Rn-222 concentration over central Europe, ATMOSPHERIC CHEMISTRY AND PHYSICS, VOL 14(18), pp.9567-9581, DOI:10.5194/acp-14-9567-2014
Zimnoch, Miroslaw, Jelen, Dorota, Galkowski, Michal, Kuc, Tadeusz, Necki, Jaroslaw, Chmura, Lukasz, Gorczyca, Zbigniew, Jasek, Alina, Rozanski, Kazimierz, 2012, Partitioning of atmospheric carbon dioxide over Central Europe: insights from combined measurements of CO2 mixing ratios and their carbon isotope composition, ISOTOPES IN ENVIRONMENTAL AND HEALTH STUDIES Vol.48(3), pp.421-433, DOI:10.1080/10256016.2012.663368
Zimnoch, M., Godlowska, J., Necki, J. M., Rozanski, K., 2010, Assessing surface fluxes of CO2 and CH4 in urban environment: a reconnaissance study in Krakow, Southern Poland, TELLUS SERIES B-CHEMICAL AND PHYSICAL METEOROLOGY, Vol.62(5), pp.573-580, DOI:10.1111/j.1600-0889.2010.00489.x
Zimnoch, M, Florkowski, T, Necki, J, Neubert, R, 2004, Diurnal variability of delta C-13 and delta O-18 of atmospheric CO2 in the urban atmosphere of Krakow, Poland, ISOTOPES IN ENVIRONMENTAL AND HEALTH STUDIES, Vol.40(2), pp.129-143, DOI:10.1080/10256010410001670989

Additional information:

I – Sposób i tryb wyrównania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Nieobecność na jednych ćwiczeniach zajęciach wymaga od studenta samodzielnego opanowania przerabianego na tych zajęciach materiału.
Nieobecność na więcej niż jednych 20% zajęć wymaga od studenta samodzielnego opanowania przerabianego na tych zajęciach materiału i jego zaliczenia w formie pisemnej w wyznaczonym przez prowadzącego terminie lecz nie później jak w ostatnim tygodniu trwania zajęć.
Student który bez usprawiedliwienia opuścił więcej niż 20% zajęć i jego cząstkowe wyniki w nauce były negatywne może zostać pozbawiony, przez prowadzącego zajęcia, możliwości wyrównania zaległości.

II – Zasady zaliczania zajęć:

Zaliczenie laboratorium wymaga zaliczenia wszystkich ćwiczeń podanych w treści modułu.
Warunkiem uzyskania zaliczenia z pojedynczego ćwiczenia jest:
udział w zajęciach
wykonanie co najmniej 50% zakresu przewidzianego dla danego ćwiczenia
zaliczone sprawozdanie z opracowaniem wyników