Difference between revisions of "Assignments WS 2023/2024"
EbitimiAkene (talk | contribs) (→akee00== Urban Traffic flow and Pollution Control) |
(→Kopd05 - Simulace šíření pandemie) |
||
| Line 55: | Line 55: | ||
== Kopd05 - Simulace šíření pandemie == | == Kopd05 - Simulace šíření pandemie == | ||
| − | + | ||
*Cílem simulace bude zkoupání šíření různých virů, podle jejich koeficientu šíření, uzdravování či úmrtnosti. | *Cílem simulace bude zkoupání šíření různých virů, podle jejich koeficientu šíření, uzdravování či úmrtnosti. | ||
*Simulaci mohou využívat epidemiologové, ke zkoumání šířitelnosti virů a predikci vývoje pandemie. | *Simulaci mohou využívat epidemiologové, ke zkoumání šířitelnosti virů a predikci vývoje pandemie. | ||
| Line 77: | Line 77: | ||
[[User:Kopd05|Kopd05]] ([[User talk:Kopd05|talk]]) 21:02, 12 December 2023 (CET) | [[User:Kopd05|Kopd05]] ([[User talk:Kopd05|talk]]) 21:02, 12 December 2023 (CET) | ||
| − | + | ||
| + | '''This course is in English. We accept English versions only.''' [[User:Tomáš|Tomáš]] ([[User talk:Tomáš|talk]]) | ||
== Tutd00 - Simulace vodního ekosystému == | == Tutd00 - Simulace vodního ekosystému == | ||
Revision as of 20:58, 19 December 2023
 | Please, put here your assignments. Do not forget to sign them. You can use ~~~~ (four tildas) for an automatic signature. Use Show preview in order to check the result before your final sumbition. |
| Please, strive to formulate your assignment carefully. We expect an adequate effort to formulate the assignment as it is your semestral paper. Do not forget that your main goal is a research paper. It means your simulation model must generate the results that are specific, measurable and verifiable. Think twice how you will develop your model, which entities you will use, draw a model diagram, consider what you will measure. No sooner than when you have a good idea about the model, submit your assignment. And of course, read How to deal with the simulation assignment. |
| Topics on gambling, cards, etc. are not welcome. |
 | In order to avoid possible confusion, please, check if you have added approved in bold somewhere in our comment under your submission. If there is no approved, it means the assignment was not approved yet. |
| Criteria for evaluation of the simulation proposal The proposal must contain:
If any of the above points are missing from the simulation proposal, the proposal is considered incomplete. Unless the proposal contains all of the above points it will not be evaluated at all (and therefore cannot be approved).
If the answer to any of the above points is no, you need to improve your proposal. Don't wait for us to tell you so - you're wasting your time. |
Contents
- 1 Kopd05 - Simulace šíření pandemie
- 2 Tutd00 - Simulace vodního ekosystému
- 3 Kubs09 - Simulace chování cestujících na Hlavním nádraží
- 4 Vysj06 - Simulace zemědělské výroby a klimatických změn
- 5 Doba00 - Pricing in the Food Industry
- 6 Tata05 - Simulation of the Ocean Carbon Uptake and Atmospheric Carbon Dioxide
- 7 akee00== Urban Traffic flow and Pollution Control
Kopd05 - Simulace šíření pandemie
- Cílem simulace bude zkoupání šíření různých virů, podle jejich koeficientu šíření, uzdravování či úmrtnosti.
- Simulaci mohou využívat epidemiologové, ke zkoumání šířitelnosti virů a predikci vývoje pandemie.
- Simulace bude vypracována pomoci NetLogo - Agent based modelu
- V simulaci budou následující proměnné:
- Rychlost šíření viru
- Šance na uzdravení jedince
- Riziko smrti
- Počet jedinců
- Počet nakažených
- % imunních jedinců (náhodná)
- Rychlost vakcinace
- jeImunní
- jeNakažený
- jeOčkovaný
- šanceNaUzdravení (náhodná)
- Data mohou být založena na reálných datech o virech, či mohou být nastaveny individuálně.
Například šiřitelnost virusu bude založena na reprodukčním čísle R (lze dohledat na internetu)
- Vše bude založeno na volně dostupných datech online, které souvisí s daným tématem, virem, apod.
Kopd05 (talk) 21:02, 12 December 2023 (CET)
This course is in English. We accept English versions only. Tomáš (talk)
Tutd00 - Simulace vodního ekosystému
- Simulace je inspirována klasickým modelem "predátor a kořist". Cílem je modelovat chování ryb, rostlin a predátorů v generovaném vodním prostředí.
- Simulace bude vypracována pomoci NetLogo - Agent based modelu
- V simulaci budou následující proměnné:
- Teplota vody
- Úroveň znečištění
- Počet ryb
- Počet žraloků
- Počet rostlin
- a také proměnné, které se odvíjí od základních: počet mrtvých ryb a žraloků, počet sežraných rostlin
- Pravidla:
- Ryby konzumují rostliny. Pokud ryba nesní žádnou rostlinu, ztrácí na síle a nakonec zemře.
- Žraloci loví ryby. Pokud žralok neuloví žádnou rybu, zemře.
- Ryby, rostliny a zraloci mají možnost rozmnožovat se a umírat s průběhem času.
- Teplejší voda podporuje rychlejší rozmnožování ryb.
- Studenější voda podporuje rychlejší rozmnožování žraloků.
- Vyšší úroveň znečištění zpomaluje proces rozmnožování ryb a žraloků, ale naopak urychluje rozmnožování rostlin.
- Uživatel má možnost nastavit počet ryb, rostlin, žraloků, teplotu vody a úroveň znečištění při spuštění simulace.
- Tato simualce umožňuje uživateli zkoumat, jak různé konfigurace parametrů ovlivňují stabilitu a dynamiku ekosystému a mohla by být modifikována a použita k modelování reálných vodních systémů.
Kubs09 - Simulace chování cestujících na Hlavním nádraží
- Téma: Chování cestujících při nastupování na vlaky na celém Hlavním nádraží
- Využití: Mohli by využít například České dráhy/správci hlavního nádraží k lepšímu korigování vlaků a jejich polohy příjezdů.
- Metoda: Agent-based modelling, Netlogo
- Proměnné:
- Počet cestujících
- Počet vlaků
- Jízdní řád (odjezdy/příjezdy vlaků)
- Zpoždění (náhodné)
- jeKolize
- jeZpoždění
- Zdroje: Pro tuto simulaci by byly využity zdroje, převážně na Google Scholar, případně vědecké články nalezené v E- knihovně VŠE
Vysj06 - Simulace zemědělské výroby a klimatických změn
- Cíl simulace: Modelovat dopad klimatických změn na zemědělskou výrobu, včetně úrodnosti půdy, výnosů plodin a zavlažování
- Využití: Poskytnout zemědělcům, vědcům a politikům nástroje pro lepší plánování a adaptaci na klimatické změny.
- Metoda: Agent-based modelování, využití NetLogo.
- Proměnné:
- Typy plodin (obilí, zelenina, ovoce).
- Půdní podmínky a jejich změny.
- Množství a rozložení srážek.
- Teplotní změny.
- Zavlažovací metody a jejich efektivita.
- Data: Založeno na reálných klimatických a zemědělských datech, včetně historických trendů a předpovědí. Možnost konfigurace parametrů.
- Výstup: Simulace poskytne uživatelům možnost vizualizace a porozumění vlivu různých klimatických scénářů na zemědělskou produkci a možné adaptační strategie.
Doba00 - Pricing in the Food Industry
- Simulation: The simulation will model the dynamics of food prices in the food industry, focusing on the interactions between different factors influencing it.
- Can be used by policymakers in the food industry to better evaluate policy proposals.
- Incorporated variables: production costs, inflation rates, consumer demand, policy interventions
- Random variables: weather
- Goal: The goal of the simulation is to analyze the factors influencing food prices and to evaluate the stability and resilience of the food industry's pricing system under different scenarios.
- Method: Vensim
- Data: https://www.czso.cz/
- Please provide us with the reference to particular data, you wil base your simulation on. How exactly will your simulation work? How will you simulate the dynamics of food prices in the food industry? From what data you will derive the formulas neccesary for it? Oleg.Svatos (talk) 17:17, 19 December 2023 (CET)
Tata05 - Simulation of the Ocean Carbon Uptake and Atmospheric Carbon Dioxide
- Problem definition: I want to simulate the process of the Life cycle of processing carbon dioxide from the atmosphere and increasing the stored carbon dioxide on the ocean floor. This process influences ocean acidification and affects the entire climate. The ocean absorbs carbon dioxide from the atmosphere wherever air meets water. Regarding scientists oceans absorb 30% of our emissions, driven by a huge carbon pump.
- Method: Agent-based simulation, Vensim.
- Variabels:
- Solar Energy
- Atmospheric CO2
- Changes in temperature
- Change in water acidity
- CO2 dissolving
- Carbon capture and storage
- Resource: Information from National Oceanic and Atmospheric Administration, Nasa Global Climate, https://www.soest.hawaii.edu/oceanography/faculty/zeebe_files/Publications/ZeebeWolfEnclp07.pdf
Tata05 (talk) 16:46, 19 December 2023 (CET)
- Please provide us with the reference to literature with formulas you will base your simulation on. Without it, it is impossible to evaluate wheather the simulation will make sense. Oleg.Svatos (talk) 17:13, 19 December 2023 (CET)
akee00== Urban Traffic flow and Pollution Control
- Primary objective: To analyze the impact of different traffic management strategies on urban traffic flow and air pollution levels.
- Problem to solve: Determining the most effective traffic management strategy that minimizes traffic congestion and reduces air pollution in an urban environment.
- Context: With growing urban populations, traffic congestion and pollution have become critical issues. This simulation aims to explore how various traffic control measures can alleviate these problems.
- Method and Simulation Environment:
- Agent based Modelling
- Simulation Tool: Netlogo.
- Environment Setup: A simulated urban area with a grid of streets, traffic signals, vehicles, and pollution indicators.
- Variables and Data:
- Random variables:
- Vehicle breakdowns,
- Driver behaviour: route choice and speed variability
- Traffic incidents
- Weather conditions
- Vehicle emission rates.
- Incorporated (deterministic) variables:
- Vehicle agents: count, types
- Traffic signal agents: signal timing, adaptive signals
- Pollution measurement: Baseline emission levels, Air quality index
- Traffic Management Strategies
- Road layout.
- Data source:
- Traffic and transportation data for Prague from praha.eu
- Expected outcome: The simulation should reveal the most effective traffic management strategies for reducing congestion and pollution. By comparing these results with real-world data, urban planners can make informed decisions to improve traffic flow and air quality in cities.
