Modultitel/ID | Mathematische Methoden der Geophysik und Meteorologie II
| MN-GM-MATHMET-II |
Struktur | Lehrveranstaltung | Leistungspunkte | Dauer (SWS) | Studienaufwand (h) |
| Vorlesung | 3 | 3 | |
| Übung | 3 | 2 | |
| Gesamt | 6 | 5 | 360 |
Beschreibung / Inhalt | - Lösung von partiellen Differentialgleichungen
- Grundlagen der Datenanalyse
- Analyse räumlicher Daten
- Zeitreihenanalyse
- Fouriertransformation
- Spektraltheorie und Digitale Filter
- Analysemethoden räumlicher Daten
- Analysemethoden von Zeitreihen
|
Pflichtliteratur | - W. H. Press, S. A. Teukolsky, W. T. Vetterling, B. P. Flannery, “Numerical Recipies”, Cambridge University Press
- N. Köckler, „Numerische Algorithmen in Softwaresystemen“, Teubner, 1990
|
Weiterführende Literatur | - J. Stoer, „Einführung in die Numerische Mathematik I“, Springer Verlag, 1983 (ggf. neuere Auflage)
- J. Stoer, R. Bulirsch, „Einführung in die Numerische Mathematik II“, Springer Verlag, 1978 (ggf. neuere Auflage)
|
Organisation und Lehrformen | Vorlesung, Übung |
Leistungsnachweise, Bewertungsmodus | Das Modul ist ein nicht kompensierbares Pflichtmodul. Es ist bestanden, wenn - Erfolgreich und regelmäßig an den Vorlesungen und Übungen teilgenommen wurde (es müssen mindestens 50% der in den Übungen zu erreichenden Punkte erworben worden sein).
- Die Abschlussklausur bestanden wurde. Bei nicht bestandener Abschlussklausur wird die Gelegenheit einer zeitnahen Wiederholungsprüfung (Klausur oder mündliche Prüfung) gegeben. Bei nicht bestandener Wiederholungsprüfung wird die Wiederholung der Lehrveranstaltungen des Moduls mit anschließender zweiter Wiederholungsprüfung empfohlen. Bei Nichtbestehen der zweiten Wiederholungsprüfung ist das Modul entgültig nicht bestanden.
Die Modulnote ist die Note der Abschlussklausur (bzw. der Wiederholungsprüfung). |
Lern / Qualifikationsziele | - Erweiterte Kenntnis der Grundlagen der Numerik
- Erweiterte Kenntnis der wichtigsten numerischen Algorithmen
- Grundlagenkenntnisse der numerischen Behandlung partieller Differentialgleichungen und Kernbegriffe: Konsistenz, Konvergenz, Stabilität
- Grundkenntnisse von Datenanalysemethoden, auch unter Bayesischen Gesichtspunkten
- Fähigkeit Datensätze durch anwendungsbezogene Filter aufzubereiten
|
Teilnahme-voraussetzungen | Bestandene Module: - Mathematik für Physiker I
- Mathematik für Physiker II
- Datenverarbeitung und Programmieren
|
Häufigkeit des Angebots | Jedes Wintersemester |
Vermittelte fachübergreifende Kompetenzen und Soft Skills | - Erweiterte Grundkenntnisse zur Verwendung und sachgemäßen Bewertung von numerischen Algorithmen und von Algorithmen zur Datenanalyse
|
Verwendbarkeit in anderen Studiengängen | Ja, in allen exakten naturwissenschaftlichen Fächern. |
Anrechnung in Endnote | Ja, gewichtet mit einem Faktor von 6/180. |
Koordinator | PD Dr. H. Elbern, (Prof. Dr. Shao) |
Überarbeitungsstand | 2006-07-19 |