Zusammenfassung
Die Kanalisation stellt eine wichtige und die teuerste Komponente der städtischen Infrastruktur dar, die einem anhaltenden Alterungsprozess unterliegt. Um ein Kanalnetz in einem guten baulich-betrieblichen Zustand zu erhalten, müssen entsprechende Maßnahmen vorgenommen werden. Der Kanalbetrieb setzt sich aus 3 Grundsäulen zusammen, und zwar aus dem Unterhalt, aus der Sanierung mit 3 Optionen: Reparatur, Renovierung, Erneuerung und aus dem Neubau. Beim Kanalnetzwerterhalt spielt die Sanierung eine entscheidende Bedeutung, weil sie die Nutzungsdauer von 50 Jahren verspricht und relativ hohe Baukosten verursacht. Unter Berücksichtigung dieser Aspekte ist es besonders wichtig, das Ausmaß und den richtigen Zeitpunkt der Kanalsanierung zu bestimmen. Es gibt zahlreiche Methoden und Modelle, die erlauben, den baulich-betrieblichen Kanalzustand zu prognostizieren. Die vorausschauende Alterung der Kanäle stellt eine solide Grundlage für die wirtschaftliche Sanierungsplanung und für die Optimierung des Kanalbetriebs dar. Zu den bekanntesten mathematischen Instrumenten der Kanalzustandsprognose gehören: die künstliche Intelligenz, die Fuzzylogic, die Regressionsanalyse, die statistischen und die stochastischen Modelle sowie ihre Kombinationen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Bauer R., Herz R.: Selective inspection planning with aging forecast for sewer types, in: Water Science Technology, 46(6–7), 2002.
Yan J., Vairavamoorthy K.: Fuzzy approach for pipe condition assessment, in: Pceeeding, New Pipeline Technologies, Security and Safety, ASCE, Reston. Va., 2003.
Baik H. S., Jeong H. S., Abraham D. M.: Estimating Transition Probabilities in Markov Chain-Based Deterioration Models for Management of Wastewater Systems, in: Journal Of Water Resources Planning and Management, 132(1), 2006.
Raganowicz A.: Nutzen statistisch-stochastischer Modelle in der Kanalzustandsprognose, Springer-Vieweg, 2017.
Raganowicz A.: Methodik der Kanalzustandsprognose, Dissertation, Institut für Ingenieur- und Tiefbau TU Breslau, 2010.
Kleiner Y.: Scheduling Inspection and Renewal of Large Infrastructure Assets, Journal of Infrastructure Systems, Vol. 7, No. 4, 2001.
Micevski T., Kuczera G., Coombes P.: Markov Model for Strom Water Pipe Deterioration, Journal of Infrastructure Systems 8 (2), 2002.
Jiang Y., Sinha K. C.: The Development of Optimal Strategies for Maintenance, Rehabilitation and Replacement of Highway Bridges, Final Report Vol. 6: Performance Analysis and Optimization FHWA/IN/JHRP-89/13, 1989.
Schomaker J.: Einführung in die Theorie der Markov-Ketten, Universität Münster, Institut für Mathematische Stochastik, 2012.
DWA-M 149-3, Zustandserfassung und -beurteilung von Entwässerungssystemen außerhalb von Gebäuden – Teil 3, Zustandsklassifizierung und -bewertung, 2007.
Abraham D. M., Wirahadikusumah R.: Development of prediction models for sewer deterioration; Proceedings of the Eight International Conference on Durability of building materials and components, Ottawa, 1999.
ATV-M 149, Zustandserfassung, -klassifizierung und -bewertung von Entwässerungssystemen außerhalb von Gebäuden, 1999.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Raganowicz, A. (2021). Stochastische Kanalzustandsprognose nach dem Markov-Modell. In: Möglichkeiten der Kanalzustandsprognose. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-34499-3_4
Download citation
DOI: https://doi.org/10.1007/978-3-658-34499-3_4
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-34498-6
Online ISBN: 978-3-658-34499-3
eBook Packages: Computer Science and Engineering (German Language)