Vorhersage der Wasserqualität und Wahrscheinlichkeitsnetzmodelle

Eine gängige Strategie in der Modellierung der Oberflächenwasserqualität besteht darin, Vorhersagemängel zu beheben, indem zusätzliche mechanistische Details in das Modell integriert werden. Dieser Ansatz spiegelt den vernünftigen Glauben wider, dass ein verbessertes wissenschaftliches Verständnis der grundlegenden Prozesse genutzt werden kann, um die prädiktive Modellierung zu verbessern. Die Natur ist jedoch komplex, und selbst das detaillierteste Simulationsmodell ist im Vergleich dazu äußerst einfach. Irgendwann überschreitet zusätzliche Detailgenauigkeit unsere Fähigkeit, mit akzeptablen Fehlermargen zu simulieren und vorherzusagen. In solchen Situationen kann es eine attraktive Alternative sein, das komplexe Verhalten probabilistisch auszudrücken, wie zum Beispiel in der statistischen Mechanik. Diese Sichtweise bildet die Grundlage für die Betrachtung von Bayesschen Wahrscheinlichkeitsnetzwerken zur Bewertung und Vorhersage der Oberflächenwasserqualität. Um diese Untersuchung der Bayes-Netze zu beginnen, werden einige einfache Beispiele zur Wasserqualität zur Veranschaulichung grundlegender Ideen verwendet. Es folgt eine Diskussion über eine Reihe vorgeschlagener Wahrscheinlichkeitsnetzmodelle für die Eutrophierung des Neuse River Mündungsgebiets in North Carolina. Die Präsentation endet mit der Betrachtung von Anwendungen und Möglichkeiten für Bayes-Netze in der prädiktiven Modellierung der Wasserqualität.