A numerikus módszerek és mesterséges intelligencia alkalmazások összekapcsolása a környezetmérnöki modellezésben.

Nyilvántartási szám: 
10/03
Témavezető neve: 
Témavezető e-mail címe:
somlyody.laszlo@epito.bme.hu
A témavezető teljes publikációs listája az MTMT-ben:
A téma rövid leírása, a kidolgozandó feladat részletezése: 

A kutatási téma leírása: A környezeti modellek fejlődése során - a modelltér finomabb
felbontásával, illetve a folyamatok részletesebb analízisével- a valóságot egyre jobban
közelítő rendszerek jöttek létre. A fizikai folyamatokat leíró dinamikus modellek legtöbbször
parciális differenciálegyenletek numerikus megoldásán alapulnak. A rendszerek
komplexitásának növekedésével egyidejűleg a számítási igény is drasztikusan emelkedik,
amely a számítógépeknél megfigyelhető exponenciális teljesítménynövekedést is felülmúlja.
A mesterséges intelligencia kutatás során kifejlesztett új eszközök segíthetnek a klasszikus
modellek kiegészítésében, és a modellek approximációs módszerekkel akár nagyságrendekkel
felgyorsíthatók. Ez a képesség jelentős szerepet játszik az operáció-kutatásban, a szabályozási
és üzemirányítási modellezésben, a műszaki fejlesztések tervezésében. A mesterséges
intelligencia (M.I) alkalmazásokkal lehetőség nyílik komplex rendszerek elemzésére,
amelyekben a mögöttes fizikai tartalmat a gép találja meg az ember helyett.

A kutatás célja olyan új M.I módszerek adaptálása és fejlesztése, melyek támogatást
nyújtanak a környezetmérnöki modellezéshez. Elsősorban a mesterséges intelligencia kutatás
területén alkalmazott eszközök felhasználása a cél, melynek fókuszában környezeti hatások,
károk elemzése és előrejelzése áll, beleértve a vízi infrastrukturális mérnöki létesítmények
rendszer irányítását is. A módszerek elsősorban a következő területeken alkalmazandók:

- Szennyvíztisztító telepek üzemeltetése, rendszerelemzése.

- Árvízi és belvízi helyzetek előrejelzése, környezetre gyakorolt hatások vizsgálata.

- Diffúz terhelések modellezése.

A kutatás módszertana: A kalibrált, determinisztikus és dinamikus modellek kiváltása vagy
kiegészítése előrecsatolt illetve rekurrens neurális hálókkal történhet. Intelligens
adatfeldolgozási módszerek kombinálásával elfogadható modellapproximációt szükséges
elérni; a célkitűzés az algoritmus nagyságrendbeli gyorsítása. Elmosódott halmazok logikája
(fuzzy logic) és deklaratív programozási nyelvek felhasználásával állapot-értékelést lehet
megvalósítani, mely a környezetre gyakorolt hatások számításánál nyújt segítséget. Evolúciós
algoritmusok és más innovatív módszerek a szélsőérték problémák megoldásánál, kalibrációs
feladatoknál alkalmazhatóak.

Hallgató: 

A témavezető eddigi doktoranduszai

Koncsos Tamás (2010/2014/)
Karches Tamás (2008/2011/2012)
Fülöp Roland (2007//2013)