Search

Doktorski rad rezultat je istraživanja primjene regionalnih atmosfersko-kemijskih modela na područje Hrvatske s verifikacijom rezultata koja je provedena na temelju raspoloživih pozadinskih mjerenja lebdećih čestica, prizemnih meteoroloških parametara, radiosondažnih podataka te mjerenja s mjernih stupova na području Europe s posebnim fokusom na statički stabilne atmosferske uvjete u atmosferi. Ostvareni su sljedeći izvorni znanstveni doprinosi: - Prvi puta se provodi znanstveno istraživanje i objavljuju rezultati u značajnim znanstvenim časopisima o primjeni i razvoju združenog atmosfersko-kemijskog modelskog sustava WRFChem na područje Hrvatske s fokusom na PM, izrazito kompleksne smjese različitih spojeva s prepoznatim značajem kroz utjecaj na ljudsko zdravlje i stanje okoliša u cjelini. Također, prvi je puta dana sustavna i sveobuhvatna usporedna validacija i evaluacija dva najčešće korištena atmosfersko-kemijska modelska sustava na području Europe (EMEP i WRF-Chem). - Rad doprinosi novim spoznajama o karakteristikama modela u primjeni na statički stabilne uvjete atmosfere. Takvi uvjeti su bitni za istraživanje jer doprinose akumulaciji onečišćujućih tvari u zraku, pojavi povišenih mjerenih vrijednosti koncentracija PM-a i prekoračenju propisanih kritičnih vrijednosti koncentracija. - Validacija modela korisna je za širu znanstvenu zajednicu jer je provedena na velikom skupu mjerenja sa mjernih postaja diljem Europe, grupiranih po visini s ciljem ispitivanja prostorne varijabilnosti onečišćenja te provjere fizikalnih i dinamičkih svojstava modela. - Istraživanje kemijskih i meteoroloških mehanizama koji doprinose povećanju koncentracija lebdećih čestica omogućuju bolje razumijevanje specifičnih meteoroloških situacija kada se javljaju povećane koncentracije onečišćujućih tvari u zraku te daju potrebne informacije o uzrocima prekomjernih onečišćenja lebdećim česticama u zraku. - Detaljne analize osiguravaju potrebne informacije o združenim kompleksnim modelskim sustavima koje mogu pomoći u daljnjem razvijanju numeričkih modela i njihove primjene na konkretne probleme kvalitete zraka te općenito u upravljanju kvalitetom zraka. (Short summary from Extended abstract) The application of regional-scale air quality models is an important tool in air quality assessment and management. For this reason, the understanding of model abilities and performances is mandatory. The main objective of this research was to investigate the spatial and temporal variability of background particulate matter (PM) concentrations, to evaluate the regional air quality model performance in simulating PM concentrations during statically stable atmospheric conditions and to investigate processes that contribute to regionally increased PM concentrations. The focus of this research is on Republic of Croatia and consequently, on Eastern and Central Europe. The domain of research encompassed almost entire Europe in order to include all sources in vicinity of country that could contribute to possible transboundary pollution and to analyze model on significant amount of background air quality and meteorological stations. The temporal and spatial variability of observed particulate matter (PM) was analysed at 320 rural background stations in Europe during 2011. Two different regional air quality modelling systems (offline coupled EMEP and online coupled Weather Research and ForecastChem) were applied to simulate the transport of pollutants and to further investigate the processes that contributed to increased concentrations during identified high pollution episodes in relative vicinity of Croatia. Background PM measurements from rural background stations and wind speed, surface pressure and ambient temperature data from 920 meteorological stations across Europe, classified according to the elevation, were used for the evaluation of individual model performance. Among the „sea-level“ stations (at altitudes up to 200 m), the best model performance, in terms of meteorology and chemistry, was found for both models. The underestimated modelled PM concentrations in some cases indicated the importance of accurate assessment of regional air pollution transport under statically stable atmospheric conditions and the necessity of further model improvements.

Količina informacija kojima smo okruženi eksponencijalno raste i s njom javlja se potreba za novim rješenjima na području znanosti o podacima. Kao jedno od rješenja, pojavio se Apache Spark, sa svojom izuzetno brzom jezgrom namijenjenoj za obradu velikih skupova podataka. Spark ujedinjuje nekoliko ugrađenih biblioteka koje je moguće međusobno kombinirati unutar jedne aplikacije. Ovaj rad fokusira se na korištenje MLliba, knjižice za strojno učenje, u procesu izvlačenja korisnih informacija iz velike količine podataka. Taj proces objašnjen je detaljno, počevši s uputama za instalaciju Apache Sparka, kratkim osvrtom na osnovne koncepte i naposljetku praktičnim primjerom izgradnje cjevovoda za strojno učenje te vrednovanjem rezultata koristeći MLlib. The amount of digital data that exists is growing at a rapid rate and with it the need for new solutions in the field of data science. As one of the solutions Apache Spark emerged with its lightening fast unified analytics engine for large-scale data processing. It provides several built-in libraries that you can easily combine in the same application. This thesis focuses on the use of MLlib, a machine learning library, in the process of extracting useful knowledge from volumes of data. The process is explained in details, starting with Apache Spark installation guide, an overview of the main concepts and culminating with a practical example of creating a machine learning pipeline and model evaluation via MLlib library.

Za uspješno vođenje internet stranice potrebno je pratiti ponašanje njenih korisnika i njihov odnos prema sadržaju koji im je predstavljen. Čovjek bez pomoći servisa koji je specijaliziran za takav zadatak ne može kvalitetno obraditi sve potrebne informacije potrebne za donošenje točnih odluka. Najpopularniji servis za praćenje prometa na stranici je Google Analytics[10]. Google Analytics, nakon što se uspješno implementira u stranicu, prati ponašanje svih korisnika koji uđu na stranicu i o tome vodi statistiku. Rezultate praćenja je moguće prema potrebi dohvatiti za analizu. U ovom su radu korištena mjerenja iz Google Analyticsa za utvrđivanje popularnih kategorija službenog CARNetovog kataloga WWW poslužitelja u Hrvatskoj. Analiza je provedena uz pomoć razvijenog modela koji se temelji na matematičkoj statistici i pseudo slučajnosti. Evaluacijom modela utvrđene su pravilnosti u ponašanju posjetitelja kataloga za određena vremenska razdoblja, dok za neka razdoblja nije bilo moguće utvrditi izrazitu pravilnost. Dublju analizu i prilagodbu modela najbolje je provesti kada se model stavi u funkciju za koju je razvijen. Successful website management depends on monitoring visitors behaviour and their interaction with page content. Human being, without help provided by web analytics services, is not capable of managing and processing all necessary data for quality decision making. The most popular web analytics service is Google Analytics[10]. Google Analytics, after successful implementation into the website, will track behaviour of all website users. Results can be downloaded for analysis. In this paper, measurements done by Google Analytics, were used to determine popular categories in CARNet's official catalogue of Croatian WWW servers. In this process a mathematical model based on statistic and pseudo randomness was used. Model evaluation revealed behavioral patterns in certain time periods. It was not possible to determine these behavioral patterns in all time periods that were tested. Thorough testing should be done once the developed model is put in use.