Verbundprojekt
"Entwicklung geeigneter Informationssysteme für Frühwarnsysteme"
Projektbeschreibung
|
Der Sinn eines Frühwarnsystems für geologische Ereignisse besteht in der Vorhersage von Ereignissen zum Schutz von Leben und Gütern. Für eine zuverlässige Frühwarnung müssen die vorliegenden Daten so aufbereitet werden, dass sie als zuverlässige Grundlage für das frühzeitige Erkennen von Gefahren und für die zeitgerechte Vorhersage von Ereignissen dienen können. Das Verbundprojekt „Entwicklung geeigneter Informationssysteme für Frühwarnsysteme“ befasste sich mit der Entwicklung von geeigneten Komponenten zur Behebung dieser Schwachpunkte im Bereich Frühwarnsysteme für Hangrutschungen. Innerhalb des Projekts kamen neuartige Kombinationen aus GIS, Finite-Elemente-Analyse, Spatial Data Mining, textliche Analysen und Geodatenbanken zum Einsatz. Das Teilprojekt, das an der Universität der Bundeswehr von der AGIS in Zusammenarbeit mit dem Institut für Bodenmechanik und Grundbau bearbeitet wurde, befasste sich mit der Kopplung von komplexen Finite Elementen (FE) Simulationen von Hangrutschungen und Geoinformationssystemen. Ziel war es, durch die Kopplung der beiden Systeme, ein Entscheidungsunterstützungssystem aufzubauen, so dass ein Anwender bei seiner Entscheidung, ob eine Frühwarnung ausgelöst werden muss oder nicht, unterstützt werden kann.
Finite Elemente Simulationen werden derzeit kaum im Katastrophenschutz bzw. im Katastrophenmanagement eingesetzt, obwohl sie dort als hilfreiches Tool zur Untersuchung von Szenarien oder zum Erstellen von Prognosen eingesetzt werden können. Gründe hierfür sind in den komplexen Eingabeparametern und der fehlenden Unterstützung bei der Interpretation der Berechnungsergebnisse zu finden. Innerhalb des Projekts wurde untersucht, wie das GIS im Vorfeld der Simulation Unterstützung bei der Aufbereitung der nötigen Daten bieten kann. Des Weiteren wurden von der AGIS Methoden zur Aufbereitung und Analyse der komplexen Ergebnisse sowie zur Unterstützung einer Entscheidung entwickelt. Hierfür wurden aus dem Bereich des Data Mining Methoden der Clusteranalyse verwendet. Anhand verschiedener Bewertungskriterien wurde der Single Linkage Cluster Algorithmus als besonders geeignet identifiziert. Der Algorithmus wurde daraufhin entsprechend erweitert, um Strukturen und existierende Muster in den Simulationsergebnissen zu erkennen und es so zu ermöglichen diese entsprechend für die Entscheidungsunterstützung aufzubereiten.
|
Gefördert durch das
Projektpartner:
Laufzeit: Ansprechpartner: |
Download
