Data Aware efficient models of the urbaN microclimaTE
The share of the world’s population living in cities is rapidly increasing, and it is expected to rise to 80% by 2050. It is therefore crucial to develop new efficient and reliable methods to model the urban microclimate; in fact,...
The share of the world’s population living in cities is rapidly increasing, and it is expected to rise to 80% by 2050. It is therefore crucial to develop new efficient and reliable methods to model the urban microclimate; in fact, these models can support urban planners and policymakers to create more comfortable and sustainable cities. High computational requirements limit existing numerical methodologies, and DANTE fits in this context and aims to create a new paradigm for fast and reliable numerical simulations bridging the fields of model order reduction, machine learning, and data assimilation. The idea is to create a research team to answer many unresolved questions in model order reduction for complex and real-life urban microclimate simulations. Particular emphasis will be given to advanced machine learning tools, which incorporate physics knowledge, aiming to improve the accuracy, interpretability, and reliability of predictive models. The identified tasks cover a wide range of different topics: dimensionality reduction of the solution manifold in problems governed by complex physical principles, uncertainty quantification, data assimilation, and inverse modeling. The new tools will have the agility of data-driven methods in complex nonlinear settings and the physical rigor of projection-based methods with quantified errors. The developed methods will significantly impact digital transformation, enabling digital twins of urban environments. Possible applications include, but are not limited to, urban air pollution, heat island modeling, wind loads on buildings, and inverse modeling approaches.ver más
02-11-2024:
Generación Fotovolt...
Se ha cerrado la línea de ayuda pública: Subvenciones destinadas al fomento de la generación fotovoltaica en espacios antropizados en Canarias, 2024
01-11-2024:
ENESA
En las últimas 48 horas el Organismo ENESA ha otorgado 6 concesiones
01-11-2024:
FEGA
En las últimas 48 horas el Organismo FEGA ha otorgado 1667 concesiones
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.