|
|
Modelling of Traffic Flow with Bayesian Autoregressive Model with Variable Partial Forgetting
Dedecius, Kamil ; Nagy, Ivan ; Hofman, Radek
Computing the future road traffic intensities in urban and suburban areas is considered inthis paper. The statistical properties of the traffic flow advocate the use of a low-order lin- ear autoregressive models, in which the previous intensities determine the following ones. To achieve adaptivity, the Bayesian modelling framework was chosen. The regression coefficients are considered random, hence they are modelled using a suitable distribution. A significant improvement of the overall modelling performance is further reached with techniques allowing the parameters vary by modification of their distribution. We present the partial forgetting method, allowing to individually track the parameters even in the case of their different variability rate.
|
|
| |
|
| |
|
|
Asimilace časoprostorového rozložení radionuklidů v časné fázi radiační nehody
Hofman, Radek ; Šmídl, Václav
Příspěvek pojednává o využití data asimilačních metod v časné fází radiační nehody. V případě úniku radioaktivních škodlivin do ovzduší se utvoří radioaktivní vlečka postupující nad terénem. Uniklé radionuklidy představují zdravotní riziko. Pro plánování a nastolení co nejefektivnějších protiopatření je nutná znalost budoucího časoprostorového vývoje distribuce radionuklidů v prostředí. Předpovědi se tvoří pomocí numerických disperzních modelů. Tyto modely mají mnoho vstupů a jejich výstupem je předpověd radiační situace pomocí radiologických veličin. Přesné hodnoty vstupních parametrů jsou často neznámé. To je dáno náhodným charakterem turbuletních procesů v atmosféře, nedostatkem informací o nehodě a zdrojovém členu atd. Subjektivní (expertní) volba vstupních parametrů může vyústit v chybné předpovědi na jejichž základě není možno plánovat efektivní protiopatření.
|
|
| |
|
| |
|
| |
|
| |
|
| |
|
| |
host ::
RSS.