zum Inhalt springen

Mathematisch-Naturwissenschaftliche FakultätIntelligente Methoden für Erdsystemwissenschaften

Entwicklung einer Modellierungsumgebung für agentenbasierte Modelle

Prof. Dr. Christina Bogner mit  Marijn van der Meij, Tim Reichenau, Andreas Bolten, Tony Reimann, Georg Bareth, Karl Schneider und Karl Kemper

Idee

Agentenbasierte Modelle (ABM) sind als Instrument zur Modellierung von Interaktionen zwischen menschlichen Akteuren in den Wirtschafts- (Farmer und Foley, 2009) oder Sozialwissenschaften (Bankes, 2002) oder Mensch-Umwelt-Interaktionen (An, 2012) bekannt. Sie sind eine der Methoden, um sich komplexen Systemen zu nähern. Manche nennen sie sogar „eine Brücke zwischen den Disziplinen“ (Axelrod, 2006). ABMs sind mit der Spieltheorie verwandt, können aber auch komplexere Verhaltensweisen erfassen. Angesichts ihrer Fähigkeit, sich komplexen Systemen zu nähern, sind wir der Meinung, dass ABMs Teil des Modellrepertoires der KPA sein sollten, um bei der Beantwortung relevanter Fragen im Zusammenhang mit Mensch-Umwelt-Interaktionen innerhalb der Erdsystemwissenschaften zu helfen. Letztendlich könnten ABMs sogar ein Bindeglied zwischen den KPAs „Soziales und wirtschaftliches Verhalten“ und „Intelligente Methoden für Erdsystemwissenschaften“ sein. ABMs erfordern eine gründliche Implementierung, um mit einer angemessenen Geschwindigkeit zu laufen. Die (relativ) neue Sprache zur Datenanalyse, Julia (https://julialang.org/), verspricht einen solchen Rahmen für eine erfolgreiche Implementierung (https://github.com/juliadynamics/Agents.jl/). Wir schlagen daher vor, die Fähigkeit von Julia auszuprobieren, einen Rahmen für die Implementierung von ABMs zu schaffen. Als Fallstudie werden wir die Forschungsfragen verwenden, die sich aus dem Projekt A05 „Future roads“ im CRC 228 ergeben und die sich auf Landnutzungsänderungen und die Entwicklung eines Straßennetzes beziehen.

Referenzen

  • Farmer, J. D. and D. Foley (Aug. 2009). “The Economy Needs Agent-Based Modelling”. In: Nature 460.7256, pp. 685–686. issn: 1476-4687. doi: 10.1038/460685a. (Visited on 04/17/2023).
  • Bankes, S. C. (May 2002). “Agent-Based Modeling: A Revolution?” In: Proceedings of the National Academy of Sciences 99.suppl 3, pp. 7199–7200. doi: 10.1073/pnas.072081299. (Visited on 04/17/2023).
  • An, L. (Mar. 2012). “Modeling Human Decisions in Coupled Human and Natural Systems: Review of Agent-Based Models”. In: Ecological Modelling. Modeling Human Decisions 229, pp. 25–36. issn: 0304-3800. doi: 10.1016/j.ecolmodel.2011.07.010. (Visited on 04/17/2023).
  • Axelrod, R. (Jan. 2006). “Chapter 33 Agent-based Modeling as a Bridge Between Disciplines”. In: Handbook of Computational Economics. Ed. by L. Tesfatsion and K. L. Judd. Vol. 2. Elsevier, pp. 1565–1584. doi: 10.1016/S1574-0021(05)02033-2. (Visited on 04/17/2023).
Zwischenbericht
Simulation von Prosopis in Kenia
(mp4)
vergrößern:
vergrößern:
vergrößern:
vergrößern:

Technisch:

Es wurde ein komplexes Modell entwickelt, das die Ausbreitung der invasiven Art Prosopis in Kenia simuliert. Das Modell beruht auf komplizierten Wechselwirkungen zwischen Landschaftsvariablen, meteorologischen Faktoren, vom Menschen geschaffener Infrastruktur sowie der ökologischen Nische und den Ausbreitungsstrategien von Prosopis.

Kommunikation:

Um das Ziel der Erstellung des Modells zu erreichen, haben wir Fachwissen aus verschiedenen Bereichen zusammengetragen. Um lokales Fachwissen und relevante Daten zu erhalten, arbeiten wir mit Purity Rima Mbaabu und dem Woody Weeds Projekt zusammen. Für die Modellentwicklung arbeiten wir eng mit Prof. Wolfram Barfuß (Universität Bonn) zusammen.

Lehre:

In enger Verbindung mit der Modellentwicklung werden derzeit mehrere Masterarbeiten mit den folgenden Themen erstellt:

  •  das Straßennetz in Baringo
  •  Fokus auf die Eignungskartierung von Prosopis, die das agentenbasierte Modell (ABM) verbessern könnte.

Ein dreitägiger Workshop zum Thema High-Performance-Computing in Julia wurde besucht, um das nötige Fachwissen für die Nutzung der Rechenleistung des CHEOPS-High-Performance-Computing-Clusters an der Universität zu Köln (UzK) zu erwerben.

Nächste Schritte

  • Fertigstellung der Modellkalibrierungspipeline
  • Modell auf dem HPC-Cluster der Universität zu Köln (UzK) laufen lassen, um die Parameter zu optimieren und die Leistung des Modells zu bewerten.
  • Abhängig von den Ergebnissen: Einbeziehung weiterer Daten oder Feinabstimmung der Modellfunktionen
  • Koppeln des ABM mit einer Maxent-Eignungskarte
  • Nutzung des Modells zur Beantwortung von Forschungsfragen, wie zum Beispiel: Welche Rolle spielen Straßen bei der Prosopis-Invasion?