MatLab-pohjainen työkalu säähavaintojen analysointiin Olkiluodon alueella
Tuohimaa, Mikko (2016)
Tuohimaa, Mikko
2016
Tietotekniikan koulutusohjelma
Talouden ja rakentamisen tiedekunta - Faculty of Business and Built Environment
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2016-11-09
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201610244635
https://urn.fi/URN:NBN:fi:tty-201610244635
Tiivistelmä
Posiva is an expert organisation which is responsible for the final disposal of spent nuclear fuel and the study of it at the island of Olkiluoto. One of the many subjects is the environment of the island, and as a part of that research Posiva carries out an environment monitoring programme. Part of the programme concerns observing weather of the island in a systematic fashion. In order to have an understanding on the climate conditions of the island the measurement data must be analysed properly. Handling and analysis of the data used to be performed with a MatLab based tool, and on Posiva's commission that tool has now been renewed in this Master's Thesis to better suit the needs of data handling and analysis.
Weather observation data are prone to errors such as missing measurements, or too low or too high values. These errors cause gaps in the measurement data which have to be repaired and validated before the analysis can start. The various methods proposed for data correction have their own issues as well, most notably the error each particular method causes when applied. A good method attempts to minimize the error.
There are plenty of quantities to be processed and key figures to be calculated, and from several different periods of time in the analysis of the observation data. Furthermore, if the data have to be repaired it will have an impact on the reliability of the results: the more repairing done, the less reliable the results. Analysis is, however, a systematic entity, which can be performed through an algorithm specifically designed for the purpose, and which calculates all the applicable key figures for all the periods without any effort from the user. As a part of the analysis, an estimate of reliability is given for each key figure calculated.
A renewed version of the MatLab based tool has been implemented and tested in this Master's Thesis which focuses mainly on describing and evaluating the proposed data correction methods and the analysis of the measurement data. Requirements and specifications of the tool, and their fulfilment are only briefly discussed. The renewed version of the tool has been successfully used to perform the analysis of the weather observation data for years 2013, 2014 and 2015. Posiva on asiantuntijaorganisaatio, joka vastaa käytetyn ydinpolttoaineen loppusijoituksesta sekä siihen liittyvästä tutkimustoiminnasta Olkiluodon saarella. Yhtenä monista tutkimuskohteista on saaren ympäristö, ja tutkimuksen osana toteutetaan ympäristön monitorointiohjelmaa. Osana tätä ohjelmaa kerätään havaintoja saaren säätilasta. Havainnoista muodostuvaa aineistoa analysoimalla voidaan muodostaa kuva saaren sääolosuhteista. Posivalla on käytössä MatLab-ympäristöön toteutettu työkalu, jolla aineistoa käsitellään ja analysoidaan. Työkalusta on tämän diplomityön puitteissa toteutettu uudistettu versio.
Säähavaintoaineisto on usein virheellistä. Siitä puuttuu mittauksia tai osa mittauksista on joko liian suuria tai liian pieniä. Nämä virheelliset mittaukset aiheuttavat aukkoja aineistoon, joka on korjattava ennen kuin aineisto voidaan analysoida. Eri menetelmiin, joilla aineistoa korjataan, liittyy myös omat ongelmansa, joista keskeisin on menetelmän aiheuttama virhe. Hyvä korjausmenetelmä pyrkii minimoimaan tämän virheen.
Analysoitavia suureita ja laskettavia tunnuslukuja on useita, tunnuslukuja lasketaan myös useilta eri jaksoilta. Lisäksi mikäli aineistoa on jouduttu korjaamaan, sillä on vaikutusta analyysin luotettavuuteen: mitä enemmän aineistossa on ollut virheitä, sitä pienempi on luotettavuus. Analyysi on kuitenkin systemaattinen kokonaisuus, joka voidaan suorittaa tehokkaasti tarkoitusta varten suunnitellulla algoritmilla, joka laskee kaikki halutut tunnusluvut kaikilta jaksoilta ilman käyttäjän panosta. Analyysi laskee myös luotettavuuden kunkin tunnusluvun osalta.
Tämän diplomityön puitteissa on toteutettu ja testattu uudistettu versio työkalusta, johon toteutettujen korjausmenetelmien ja analyysin kuvaamiseen ja arvioimiseen kirjallinen osuus paneutuu. Toteutukseen liittyvät määritykset ja vaatimukset esitellään pikaisesti ja niiden täyttymistä myös arvioidaan. Työkalun uudistettua versiota on käytetty onnistuneesti säähavaintoaineiston analysointiin vuosilta 2013, 2014 ja 2015.
Weather observation data are prone to errors such as missing measurements, or too low or too high values. These errors cause gaps in the measurement data which have to be repaired and validated before the analysis can start. The various methods proposed for data correction have their own issues as well, most notably the error each particular method causes when applied. A good method attempts to minimize the error.
There are plenty of quantities to be processed and key figures to be calculated, and from several different periods of time in the analysis of the observation data. Furthermore, if the data have to be repaired it will have an impact on the reliability of the results: the more repairing done, the less reliable the results. Analysis is, however, a systematic entity, which can be performed through an algorithm specifically designed for the purpose, and which calculates all the applicable key figures for all the periods without any effort from the user. As a part of the analysis, an estimate of reliability is given for each key figure calculated.
A renewed version of the MatLab based tool has been implemented and tested in this Master's Thesis which focuses mainly on describing and evaluating the proposed data correction methods and the analysis of the measurement data. Requirements and specifications of the tool, and their fulfilment are only briefly discussed. The renewed version of the tool has been successfully used to perform the analysis of the weather observation data for years 2013, 2014 and 2015.
Säähavaintoaineisto on usein virheellistä. Siitä puuttuu mittauksia tai osa mittauksista on joko liian suuria tai liian pieniä. Nämä virheelliset mittaukset aiheuttavat aukkoja aineistoon, joka on korjattava ennen kuin aineisto voidaan analysoida. Eri menetelmiin, joilla aineistoa korjataan, liittyy myös omat ongelmansa, joista keskeisin on menetelmän aiheuttama virhe. Hyvä korjausmenetelmä pyrkii minimoimaan tämän virheen.
Analysoitavia suureita ja laskettavia tunnuslukuja on useita, tunnuslukuja lasketaan myös useilta eri jaksoilta. Lisäksi mikäli aineistoa on jouduttu korjaamaan, sillä on vaikutusta analyysin luotettavuuteen: mitä enemmän aineistossa on ollut virheitä, sitä pienempi on luotettavuus. Analyysi on kuitenkin systemaattinen kokonaisuus, joka voidaan suorittaa tehokkaasti tarkoitusta varten suunnitellulla algoritmilla, joka laskee kaikki halutut tunnusluvut kaikilta jaksoilta ilman käyttäjän panosta. Analyysi laskee myös luotettavuuden kunkin tunnusluvun osalta.
Tämän diplomityön puitteissa on toteutettu ja testattu uudistettu versio työkalusta, johon toteutettujen korjausmenetelmien ja analyysin kuvaamiseen ja arvioimiseen kirjallinen osuus paneutuu. Toteutukseen liittyvät määritykset ja vaatimukset esitellään pikaisesti ja niiden täyttymistä myös arvioidaan. Työkalun uudistettua versiota on käytetty onnistuneesti säähavaintoaineiston analysointiin vuosilta 2013, 2014 ja 2015.