Dieser Workflow findet für alle drei Standorte
(Eisenstadt 2005, Wien, Bad Aussee) die günstigste
Muldenkonfiguration je Überlaufziel x = 0…5 — pro Speichertyp
(Sickerbox / Schotterrigol) — mit optimise_swale_design()
statt eines Brute-Force-Rasters. Das Verfahren ist reine Bisektion
(“Zahlenraten”): Fläche schrumpfen, dann Muldentiefe, Speicher nur
erhöhen, wenn die Fläche am Anschlag klemmt. Voraussetzung ist die in
der Monotonie-Analyse
belegte Monotonie (“größer = nie mehr Überläufe”); die dort abgeleiteten
Absicherungen (Rand-Guard, Volumen-Schiedsrichter) sind in
find_min_feasible() eingebaut. Eine unabhängige
Gegenprobe ohne Monotonie-Annahme — simultane
Optimierung aller Parameter, plus weitere Suchverfahren zum Vergleich —
führt die separate Vignette
workflow_optimisation_simultaneous durch; sie liest die
hier exportierte CSV als Vergleichsbasis.
Die Filterdurchlässigkeit wird fest auf das Maximum gesetzt
(kostenfrei dominant: gleiche Verdunstung, nie mehr Überläufe), Fläche
und Muldentiefe werden stufenlos gesucht, die Sickerbox in den
Default-Stufen 300/600/900/1200 mm
(sickerbox_level_presets() bietet Hersteller-Alternativen),
der Schotterrigol stufenlos im 3-fachen Box-Bereich.
Neu: Dachvarianten als äußere Szenario-Dimension.
Jede Optimierung läuft zusätzlich je Dachtyp — die
angeschlossene Fläche (1000 m²) wird als konventionelles Dach,
extensives oder intensives Gründach parametriert
(roof_type_values(), Parametrierung v2 nach SWMM-UrbanEVA /
D. Wicke; mechanisch validiert in der Vignette
diagnose_green_roofs). Der
Vergleichsrahmen (Entscheid 2026-11-09):
Hoernschemeyer_aktiv = 1 plus UrbanEVA-Saisonkurve
(make_growth_curve(), geteilt von Dach und Mulde) für alle
drei Dachtypen — untereinander sauber vergleichbar. Da der Schalter
global ist und auch die Mulden-ET verändert, ist dieser Rahmen
nicht bitgleich mit den publizierten Läufen; als
Regressions- und Frame-Anker läuft deshalb je Standort zusätzlich
conv_legacy (konventionelles Dach,
base.h5-Frame unangetastet), das die publizierten Optima
reproduzieren muss. Die Leitfrage der Gründach-Szenarien: Wie stark
verschiebt ein Gründach die Kosten-Wirksamkeits-Kurve der
Mulde-Rigole? Kosten bleiben dabei reine
Mulden-Rigolen-Systemkosten — Gründachkosten sind bewusst nicht
Teil der Rechnung, der Dachtyp wirkt ausschließlich über die
Zulauf-Hydrologie.
Laufzeit: Ein Engine-Lauf dauert ~2 s (Eisenstadt, 1
Jahr) bzw. ~15 s (Wien / Bad Aussee, 15-Jahres-Serien). Die 24 Tasks
(Standort × Speichertyp × Dachtyp) laufen parallel; bei mehr Tasks als
Kernen bearbeitet jeder Worker mehrere Tasks nacheinander — grob 45–90
Minuten je nach Kernzahl (die Gründach-Tasks starten ohne Warmstart und
brauchen mehr Läufe je Task). make_swale_runner() löscht
die Szenario-Dateien jedes Laufs standardmäßig direkt nach dem Einlesen
(cleanup = TRUE), damit lange Suchen das Temp-Laufwerk
nicht füllen.
Die Standorte unterscheiden sich nur in zwei Punkten: dem
Modell-Template (base.h5) und der Frage, ob eigene
Regen-/ET0-Zeitreihen in die Engine geschrieben werden (Wien und Bad
Aussee) oder die Kurven aus base.h5 verwendet werden
(Eisenstadt). Beides kapselt make_swale_runner(); die
Zeitreihen-Aufbereitung (mm/h-Konvention, Serien-Angleichung) übernimmt
read_site_timeseries().
# Im Quellbaum die Entwicklungsversion laden (immer aktuell, auch wenn
# das installierte Paket aelter ist); ausserhalb: installiertes Paket.
if (file.exists("../DESCRIPTION") &&
requireNamespace("pkgload", quietly = TRUE)) {
pkgload::load_all("..", quiet = TRUE)
} else {
library(kwb.raindrop)
}
sites <- list(
Eisenstadt_2005 = list(dir = "eisenstadt-2005", timeseries = FALSE,
# kein externer Regen: Kalender-Ursprung der base.h5-Zeitachse
# (Modelljahr 2005) fuer die Saisonkurve
origin = "2005-01-01",
prior = "simulation_results_optimisation_Eisenstadt_2005.csv"),
Wien = list(dir = "wien", timeseries = TRUE,
prior = "simulation_results_optimisation_Wien.csv"),
BadAussee = list(dir = "badaussee", timeseries = TRUE,
prior = "simulation_results_optimisation_BadAussee.csv")
)
# Dachvarianten: conv_legacy = base.h5-Frame unangetastet (Hoernschemeyer
# aus base.h5, flache Growth_1) -- reproduziert die publizierten Laeufe
# als Regressions-Anker. Die uebrigen drei rechnen im Vergleichsrahmen
# Hoernschemeyer_aktiv = 1 + UrbanEVA-Saisonkurve.
roofs <- c("conv_legacy", "conventional", "extensive", "intensive")
fixed <- list(connected_area = 1000,
filter_height = 300,
filter_hydraulicconductivity = 360, # Rastermaximum, gratis
bottom_hydraulicconductivity = 12)
make_path_list <- function(modelname, model_dir) {
list(
modelname = modelname,
root_path = file.path(tempdir(), paste0("raindrop_opt_", model_dir)),
dir_input = "<root_path>/models/<modelname>/input",
dir_output = "<root_path>/models/<modelname>/output",
dir_target_output = "<dir_output>/<dir_target>",
file_errors_hdf5 = "Fehlerprotokoll.h5",
file_results_hdf5_element = "Mulde_Rigole.h5",
file_results_hdf5_flaeche = "Dach.h5",
file_results_hdf5_verschaltungen = "<dir_target>_Verschaltungen.h5",
file_results_txt = "Mulde_Rigole_RAINDROP.txt",
file_results_txt_multilayer = "Mulde_Rigole_RAINDROP_multi_layer.txt",
file_target = "<dir_target>.h5",
path_base = extdata_path("models", model_dir, "base.h5"),
path_exe = download_engine(),
path_errors_hdf5 = "<dir_target_output>/<file_errors_hdf5>",
path_results_hdf5_element = "<dir_target_output>/<file_results_hdf5_element>",
path_results_hdf5_flaeche = "<dir_target_output>/<file_results_hdf5_flaeche>",
path_results_hdf5_verschaltungen = "<dir_target_output>/<file_results_hdf5_verschaltungen>",
path_results_txt = "<dir_target_output>/<file_results_txt>",
path_results_txt_multilayer = "<dir_target_output>/<file_results_txt_multilayer>",
path_target_input = "<dir_input>/<file_target>"
)
}Die Suchbereiche der variablen Parameter sind die Default-Argumente
von optimise_swale_design() — bewusst identisch mit den
min/max-Bereichen des Brute-Force-Rasters, denn nur dort ist die
Monotonie geprüft. Hier stehen sie explizit, damit sie sichtbar und
anpassbar sind:
area_bounds <- c(25, 200) # Muldenflaeche [m2], stufenlos
area_tol <- 2 # Aufloesung der Flaechensuche [m2];
# jede Halbierung kostet nur 1 Lauf je
# Flaechensuche und halbiert den
# toleranzbedingten Kostenueberschuss
height_bounds <- c(100, 300) # Muldentiefe [mm], stufenlos
height_tol <- 10 # Aufloesung der Tiefensuche [mm]
storage_spec <- default_storage_spec()
# Alternativ Hersteller-Stufen, z. B.:
# storage_spec <- default_storage_spec(
# levels = sickerbox_level_presets()$graf_ecobloc_smart)
knitr::kable(tibble::tibble(
Parameter = c("mulde_area [m2]", "mulde_height [mm]",
"storage_height Sickerbox [mm]",
"storage_height Schotterrigol [mm]",
"filter_hydraulicconductivity [mm/h]",
"filter_height [mm]"),
Suchraum = c(
sprintf("stufenlos %g bis %g (Toleranz %g)",
area_bounds[1], area_bounds[2], area_tol),
sprintf("stufenlos %g bis %g (Toleranz %g)",
height_bounds[1], height_bounds[2], height_tol),
paste("Stufen:",
paste(storage_spec$infiltration_box$levels, collapse = " / ")),
sprintf("stufenlos %g bis %g (Toleranz %g)",
storage_spec$gravel_trench$bounds[1],
storage_spec$gravel_trench$bounds[2],
storage_spec$gravel_trench$tol),
"fix = 360 (Rastermaximum; kostenfrei dominant)",
"fix = 300"
)
))| Parameter | Suchraum |
|---|---|
| mulde_area [m2] | stufenlos 25 bis 200 (Toleranz 2) |
| mulde_height [mm] | stufenlos 100 bis 300 (Toleranz 10) |
| storage_height Sickerbox [mm] | Stufen: 300 / 600 / 900 / 1200 |
| storage_height Schotterrigol [mm] | stufenlos 900 bis 3600 (Toleranz 25) |
| filter_hydraulicconductivity [mm/h] | fix = 360 (Rastermaximum; kostenfrei dominant) |
| filter_height [mm] | fix = 300 |
Die Kostensätze sind die Defaults nach Leimgruber (2026-03-27,
default_cost_rates()); einzelne Sätze lassen sich hier
überschreiben — gerechnet wird zunächst mit den Defaults. Die
Suchreihenfolge der Bisektion wird dabei aus den Sätzen
hergeleitet (Spezifikkosten-Proxy: € je mm Speicherkapazität,
Kapazitätsmodell V ≈ Fläche × (Tiefe + Porosität × Speicher); die
Porosität liefert default_storage_spec()): Die Muldentiefe
zu maximieren ist unter diesem Kostenmodell für jeden Satz
optimal, die Start-Speicherstufe wählt der Proxy — kleinste Stufe bei
den Default-Sätzen, hohe Stufe z. B. bei billigem Speichermaterial. Der
Proxy ist eine Näherung erster Ordnung (kapazitäts-additive Hebel); die
annahmefreie Gegenprobe — und das Mittel der Wahl bei nichtlinearen
Hebeln — bleibt die Vignette
workflow_optimisation_simultaneous:
cost_rates <- default_cost_rates()
# Beispiel fuer eine Anpassung (auskommentiert):
# cost_rates$excavation_eur_per_m3 <- 85
# cost_rates$infiltration_box_eur_per_m3 <- 400
knitr::kable(
tibble::tibble(Kostensatz = names(cost_rates),
`EUR je m2/m3` = unlist(cost_rates)),
caption = "Kostensaetze (inkl. Einbau)"
)| Kostensatz | EUR je m2/m3 |
|---|---|
| excavation_eur_per_m3 | 70 |
| profiling_eur_per_m2 | 10 |
| filter_eur_per_m3 | 200 |
| infiltration_box_eur_per_m3 | 350 |
| gravel_trench_eur_per_m3 | 50 |
Parallelisiert wird über Standort × Speichertyp × Dachtyp =
24 unabhängige Tasks: Die Bisektion innerhalb einer Suche ist
prinzipbedingt sequentiell, und die x-Ziele eines Speichertyps teilen
sich den Evaluations-Cache — aber kein Task teilt mit einem anderen
einen einzigen Engine-Lauf. Der Dachtyp ist bewusst je Task
fix (ein Runner = ein Dachtyp): Die Cache-Schlüssel der
Optimierer enthalten ihn nicht, er darf also nie Lauf-Parameter werden.
Der Modellname trägt den Dachtyp als Suffix, damit Tasks desselben
Standorts, die nacheinander im selben Worker-Prozess laufen, getrennte
Master- und Szenariodateien benutzen. Jeder Worker ist ein eigener
R-Prozess mit eigenem tempdir().
Liegen die Rasterergebnisse der Workflow-Vignetten als CSV neben
dieser Vignette, verengen sie als Warmstart die erste Flächensuche auf
einen 25-m²-Rasterschritt — nur für
conv_legacy: Die Raster-CSVs stammen aus dem
Legacy-Frame ohne Dachvarianten und passen weder zum neuen
Vergleichsrahmen noch zu den Gründach-Szenarien.
t_opt_start <- Sys.time()
tasks <- expand.grid(site = names(sites), type = names(storage_spec),
roof = roofs, stringsAsFactors = FALSE)
future::plan(future::multisession,
workers = min(nrow(tasks),
max(1, parallel::detectCores() - 1)))
opt_list <- future.apply::future_lapply(seq_len(nrow(tasks)), function(i) {
site <- tasks$site[i]
type <- tasks$type[i]
roof <- tasks$roof[i]
# Worker = eigener Prozess: Paket dort genauso laden wie im Hauptprozess
if (file.exists("../DESCRIPTION") &&
requireNamespace("pkgload", quietly = TRUE)) {
pkgload::load_all("..", quiet = TRUE)
} else {
library(kwb.raindrop)
}
cfg <- sites[[site]]
ts <- if (cfg$timeseries) {
read_site_timeseries(
extdata_path("models", cfg$dir, "rain.csv.gz"),
extdata_path("models", cfg$dir, "et.csv"),
verbose = FALSE
)
} else {
NULL
}
# Saisonkurve des Vergleichsrahmens: Endzeit = Ende der Regenreihe
# (externe Zeitreihe) bzw. der base.h5-Regenkurve (Eisenstadt);
# Kalender-Ursprung aus read_site_timeseries() bzw. Site-Konfiguration.
growth <- if (roof == "conv_legacy") {
NULL
} else {
t_end <- if (cfg$timeseries) {
max(ts$rain$time)
} else {
h5t <- hdf5r::H5File$new(extdata_path("models", cfg$dir, "base.h5"),
mode = "r")
tr <- h5_read_values(h5t, paths = "//Kurven/Regen")[["//Kurven/Regen"]]
h5t$close_all()
max(tr$time)
}
make_growth_curve(
origin = if (cfg$timeseries) ts$origin else cfg$origin,
end_time_hours = t_end
)
}
run_fn <- make_swale_runner(
make_path_list(paste0(site, "_", roof), cfg$dir),
timeseries_rain = ts$rain,
timeseries_et = ts$et,
roof_type = if (roof == "conv_legacy") "conventional" else roof,
hoernschemeyer_aktiv = if (roof == "conv_legacy") NULL else 1L,
growth_curve = growth
)
prior <- if (roof == "conv_legacy" && file.exists(cfg$prior)) {
readr::read_csv(cfg$prior, show_col_types = FALSE)
} else {
NULL
}
t0 <- Sys.time()
opt <- optimise_swale_design(run_fn, x_targets = 0:5,
area_bounds = area_bounds,
area_tol = area_tol,
height_bounds = height_bounds,
height_tol = height_tol,
storage_spec = storage_spec[type],
fixed = fixed,
prior_results = prior,
cost_rates = cost_rates,
verbose = FALSE)
opt$site <- site
opt$roof_type <- roof
opt$n_runs_task <- attr(opt, "n_runs_total")
opt$minutes_task <- round(as.numeric(
difftime(Sys.time(), t0, units = "mins")), 1)
opt
}, future.seed = TRUE)
future::plan(future::sequential)
opt_all <- dplyr::bind_rows(opt_list)
t_opt_end <- Sys.time()roof_et_pct ist der ET-Anteil des Dachs an dessen
Zufluss (beim dichten Dach exakt 0; der Hörnschemeyer-Pfad schreibt dort
NaN, das die Optimierer als 0 ausweisen).
knitr::kable(
opt_all[, c("site", "roof_type", "x", "storage_type", "status",
"mulde_area", "mulde_height", "storage_height",
"n_overflows", "overflow_volume_m3", "et_pct",
"roof_et_pct", "cost_total")],
digits = c(NA, NA, 0, NA, NA, 1, 0, 0, 0, 1, 1, 1, 0)
)| site | roof_type | x | storage_type | status | mulde_area | mulde_height | storage_height | n_overflows | overflow_volume_m3 | et_pct | roof_et_pct | cost_total |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Eisenstadt_2005 | conv_legacy | 0 | infiltration_box | ok | 55.1 | 281 | 300 | 0 | 0.0 | 13.0 | 0.0 | 13036 |
| Eisenstadt_2005 | conv_legacy | 1 | infiltration_box | ok | 45.5 | 288 | 300 | 1 | 8.4 | 10.9 | 0.0 | 10791 |
| Eisenstadt_2005 | conv_legacy | 2 | infiltration_box | ok | 45.5 | 281 | 300 | 2 | 8.8 | 10.9 | 0.0 | 10771 |
| Eisenstadt_2005 | conv_legacy | 3 | infiltration_box | ok | 44.1 | 294 | 300 | 3 | 10.6 | 10.6 | 0.0 | 10486 |
| Eisenstadt_2005 | conv_legacy | 4 | infiltration_box | ok | 44.1 | 294 | 300 | 3 | 10.6 | 10.6 | 0.0 | 10486 |
| Eisenstadt_2005 | conv_legacy | 5 | infiltration_box | ok | 44.1 | 100 | 300 | 5 | 43.1 | 10.6 | 0.0 | 9888 |
| Wien | conv_legacy | 0 | infiltration_box | ok | 160.4 | 294 | 600 | 0 | 0.0 | 18.3 | 0.0 | 58298 |
| Wien | conv_legacy | 1 | infiltration_box | ok | 128.9 | 281 | 300 | 1 | 80.0 | 15.2 | 0.0 | 30510 |
| Wien | conv_legacy | 2 | infiltration_box | ok | 109.8 | 294 | 300 | 2 | 111.1 | 13.2 | 0.0 | 26076 |
| Wien | conv_legacy | 3 | infiltration_box | ok | 98.8 | 294 | 300 | 3 | 134.9 | 12.0 | 0.0 | 23478 |
| Wien | conv_legacy | 4 | infiltration_box | ok | 94.7 | 300 | 300 | 4 | 149.1 | 11.6 | 0.0 | 22545 |
| Wien | conv_legacy | 5 | infiltration_box | ok | 93.4 | 288 | 300 | 5 | 158.4 | 11.4 | 0.0 | 22138 |
| BadAussee | conv_legacy | 0 | infiltration_box | ok | 149.4 | 300 | 600 | 0 | 0.0 | 7.4 | 0.0 | 54387 |
| BadAussee | conv_legacy | 1 | infiltration_box | ok | 146.7 | 294 | 300 | 1 | 45.2 | 7.3 | 0.0 | 34859 |
| BadAussee | conv_legacy | 2 | infiltration_box | ok | 139.8 | 300 | 300 | 2 | 57.0 | 7.0 | 0.0 | 33283 |
| BadAussee | conv_legacy | 3 | infiltration_box | ok | 134.4 | 300 | 300 | 3 | 67.4 | 6.8 | 0.0 | 31981 |
| BadAussee | conv_legacy | 4 | infiltration_box | ok | 128.9 | 300 | 300 | 4 | 82.6 | 6.5 | 0.0 | 30680 |
| BadAussee | conv_legacy | 5 | infiltration_box | ok | 120.7 | 244 | 300 | 5 | 137.9 | 6.2 | 0.0 | 28252 |
| Eisenstadt_2005 | conv_legacy | 0 | gravel_trench | ok | 55.1 | 300 | 900 | 0 | 0.0 | 13.0 | 0.0 | 12117 |
| Eisenstadt_2005 | conv_legacy | 1 | gravel_trench | ok | 45.5 | 294 | 900 | 1 | 8.6 | 10.9 | 0.0 | 9992 |
| Eisenstadt_2005 | conv_legacy | 2 | gravel_trench | ok | 45.5 | 294 | 900 | 1 | 8.6 | 10.9 | 0.0 | 9992 |
| Eisenstadt_2005 | conv_legacy | 3 | gravel_trench | ok | 45.5 | 281 | 900 | 3 | 9.6 | 10.9 | 0.0 | 9952 |
| Eisenstadt_2005 | conv_legacy | 4 | gravel_trench | ok | 44.1 | 300 | 900 | 4 | 11.0 | 10.6 | 0.0 | 9711 |
| Eisenstadt_2005 | conv_legacy | 5 | gravel_trench | ok | 44.1 | 100 | 900 | 5 | 45.6 | 10.6 | 0.0 | 9093 |
| Wien | conv_legacy | 0 | gravel_trench | ok | 200.0 | 300 | 1111 | 0 | 0.0 | 21.9 | 0.0 | 49062 |
| Wien | conv_legacy | 1 | gravel_trench | ok | 133.0 | 300 | 900 | 1 | 75.1 | 15.7 | 0.0 | 29262 |
| Wien | conv_legacy | 2 | gravel_trench | ok | 111.1 | 300 | 900 | 2 | 110.6 | 13.4 | 0.0 | 24449 |
| Wien | conv_legacy | 3 | gravel_trench | ok | 101.6 | 300 | 900 | 3 | 130.8 | 12.3 | 0.0 | 22344 |
| Wien | conv_legacy | 4 | gravel_trench | ok | 94.7 | 300 | 900 | 4 | 155.4 | 11.6 | 0.0 | 20840 |
| Wien | conv_legacy | 5 | gravel_trench | ok | 94.7 | 294 | 900 | 5 | 157.8 | 11.6 | 0.0 | 20798 |
| BadAussee | conv_legacy | 0 | gravel_trench | ok | 200.0 | 300 | 1027 | 0 | 0.0 | 9.5 | 0.0 | 47038 |
| BadAussee | conv_legacy | 1 | gravel_trench | ok | 148.0 | 300 | 900 | 1 | 45.1 | 7.4 | 0.0 | 32555 |
| BadAussee | conv_legacy | 2 | gravel_trench | ok | 142.6 | 294 | 900 | 2 | 57.6 | 7.2 | 0.0 | 31305 |
| BadAussee | conv_legacy | 3 | gravel_trench | ok | 137.1 | 300 | 900 | 3 | 66.2 | 6.9 | 0.0 | 30164 |
| BadAussee | conv_legacy | 4 | gravel_trench | ok | 130.3 | 300 | 900 | 4 | 84.1 | 6.6 | 0.0 | 28660 |
| BadAussee | conv_legacy | 5 | gravel_trench | ok | 120.7 | 262 | 900 | 5 | 136.6 | 6.2 | 0.0 | 26238 |
| Eisenstadt_2005 | conventional | 0 | infiltration_box | ok | 55.1 | 281 | 300 | 0 | 0.0 | 12.9 | 0.0 | 13036 |
| Eisenstadt_2005 | conventional | 1 | infiltration_box | ok | 45.5 | 288 | 300 | 1 | 8.4 | 10.8 | 0.0 | 10791 |
| Eisenstadt_2005 | conventional | 2 | infiltration_box | ok | 45.5 | 288 | 300 | 1 | 8.4 | 10.8 | 0.0 | 10791 |
| Eisenstadt_2005 | conventional | 3 | infiltration_box | ok | 44.1 | 294 | 300 | 3 | 10.6 | 10.6 | 0.0 | 10486 |
| Eisenstadt_2005 | conventional | 4 | infiltration_box | ok | 44.1 | 294 | 300 | 3 | 10.6 | 10.6 | 0.0 | 10486 |
| Eisenstadt_2005 | conventional | 5 | infiltration_box | ok | 44.1 | 100 | 300 | 5 | 43.2 | 10.6 | 0.0 | 9888 |
| Wien | conventional | 0 | infiltration_box | ok | 160.4 | 294 | 600 | 0 | 0.0 | 18.2 | 0.0 | 58298 |
| Wien | conventional | 1 | infiltration_box | ok | 128.9 | 281 | 300 | 1 | 80.0 | 15.1 | 0.0 | 30510 |
| Wien | conventional | 2 | infiltration_box | ok | 109.8 | 294 | 300 | 2 | 111.1 | 13.1 | 0.0 | 26076 |
| Wien | conventional | 3 | infiltration_box | ok | 98.8 | 294 | 300 | 3 | 135.2 | 11.9 | 0.0 | 23478 |
| Wien | conventional | 4 | infiltration_box | ok | 94.7 | 300 | 300 | 4 | 149.1 | 11.5 | 0.0 | 22545 |
| Wien | conventional | 5 | infiltration_box | ok | 93.4 | 288 | 300 | 5 | 158.5 | 11.3 | 0.0 | 22138 |
| BadAussee | conventional | 0 | infiltration_box | ok | 149.4 | 300 | 600 | 0 | 0.0 | 7.3 | 0.0 | 54387 |
| BadAussee | conventional | 1 | infiltration_box | ok | 146.7 | 294 | 300 | 1 | 45.2 | 7.2 | 0.0 | 34859 |
| BadAussee | conventional | 2 | infiltration_box | ok | 139.8 | 300 | 300 | 2 | 57.0 | 6.9 | 0.0 | 33283 |
| BadAussee | conventional | 3 | infiltration_box | ok | 134.4 | 300 | 300 | 3 | 67.4 | 6.7 | 0.0 | 31981 |
| BadAussee | conventional | 4 | infiltration_box | ok | 128.9 | 300 | 300 | 4 | 82.6 | 6.4 | 0.0 | 30680 |
| BadAussee | conventional | 5 | infiltration_box | ok | 120.7 | 244 | 300 | 5 | 137.9 | 6.1 | 0.0 | 28252 |
| Eisenstadt_2005 | conventional | 0 | gravel_trench | ok | 55.1 | 300 | 900 | 0 | 0.0 | 12.9 | 0.0 | 12117 |
| Eisenstadt_2005 | conventional | 1 | gravel_trench | ok | 45.5 | 294 | 900 | 1 | 8.6 | 10.8 | 0.0 | 9992 |
| Eisenstadt_2005 | conventional | 2 | gravel_trench | ok | 45.5 | 294 | 900 | 1 | 8.6 | 10.8 | 0.0 | 9992 |
| Eisenstadt_2005 | conventional | 3 | gravel_trench | ok | 45.5 | 281 | 900 | 3 | 9.6 | 10.8 | 0.0 | 9952 |
| Eisenstadt_2005 | conventional | 4 | gravel_trench | ok | 44.1 | 300 | 900 | 4 | 11.0 | 10.6 | 0.0 | 9711 |
| Eisenstadt_2005 | conventional | 5 | gravel_trench | ok | 44.1 | 100 | 900 | 5 | 45.7 | 10.6 | 0.0 | 9093 |
| Wien | conventional | 0 | gravel_trench | ok | 200.0 | 300 | 1111 | 0 | 0.0 | 21.8 | 0.0 | 49062 |
| Wien | conventional | 1 | gravel_trench | ok | 133.0 | 300 | 900 | 1 | 75.1 | 15.5 | 0.0 | 29262 |
| Wien | conventional | 2 | gravel_trench | ok | 111.1 | 300 | 900 | 2 | 110.6 | 13.3 | 0.0 | 24449 |
| Wien | conventional | 3 | gravel_trench | ok | 101.6 | 300 | 900 | 3 | 130.8 | 12.2 | 0.0 | 22344 |
| Wien | conventional | 4 | gravel_trench | ok | 94.7 | 300 | 900 | 4 | 155.5 | 11.5 | 0.0 | 20840 |
| Wien | conventional | 5 | gravel_trench | ok | 94.7 | 294 | 900 | 5 | 157.8 | 11.5 | 0.0 | 20798 |
| BadAussee | conventional | 0 | gravel_trench | ok | 200.0 | 300 | 1027 | 0 | 0.0 | 9.4 | 0.0 | 47038 |
| BadAussee | conventional | 1 | gravel_trench | ok | 148.0 | 300 | 900 | 1 | 45.1 | 7.3 | 0.0 | 32555 |
| BadAussee | conventional | 2 | gravel_trench | ok | 142.6 | 294 | 900 | 2 | 57.6 | 7.0 | 0.0 | 31305 |
| BadAussee | conventional | 3 | gravel_trench | ok | 137.1 | 300 | 900 | 3 | 66.2 | 6.8 | 0.0 | 30164 |
| BadAussee | conventional | 4 | gravel_trench | ok | 130.3 | 300 | 900 | 4 | 84.1 | 6.5 | 0.0 | 28660 |
| BadAussee | conventional | 5 | gravel_trench | ok | 120.7 | 262 | 900 | 5 | 136.6 | 6.1 | 0.0 | 26238 |
| Eisenstadt_2005 | extensive | 0 | infiltration_box | ok | 29.1 | 300 | 300 | 0 | 0.0 | 44.3 | 95.1 | 6926 |
| Eisenstadt_2005 | extensive | 1 | infiltration_box | ok | 25.0 | 100 | 300 | 1 | 7.8 | 40.3 | 95.1 | 5600 |
| Eisenstadt_2005 | extensive | 2 | infiltration_box | ok | 25.0 | 100 | 300 | 1 | 7.8 | 40.3 | 95.1 | 5600 |
| Eisenstadt_2005 | extensive | 3 | infiltration_box | ok | 25.0 | 100 | 300 | 1 | 7.8 | 40.3 | 95.1 | 5600 |
| Eisenstadt_2005 | extensive | 4 | infiltration_box | ok | 25.0 | 100 | 300 | 1 | 7.8 | 40.3 | 95.1 | 5600 |
| Eisenstadt_2005 | extensive | 5 | infiltration_box | ok | 25.0 | 100 | 300 | 1 | 7.8 | 40.3 | 95.1 | 5600 |
| Wien | extensive | 0 | infiltration_box | ok | 152.1 | 300 | 600 | 0 | 0.0 | 38.2 | 79.6 | 55382 |
| Wien | extensive | 1 | infiltration_box | ok | 77.0 | 294 | 300 | 1 | 119.4 | 24.8 | 79.6 | 18281 |
| Wien | extensive | 2 | infiltration_box | ok | 72.9 | 294 | 300 | 2 | 125.5 | 23.8 | 79.6 | 17307 |
| Wien | extensive | 3 | infiltration_box | ok | 57.8 | 300 | 300 | 3 | 153.4 | 20.0 | 79.6 | 13759 |
| Wien | extensive | 4 | infiltration_box | ok | 53.7 | 294 | 300 | 4 | 164.4 | 18.9 | 79.6 | 12760 |
| Wien | extensive | 5 | infiltration_box | ok | 49.6 | 294 | 300 | 5 | 174.1 | 17.8 | 79.6 | 11785 |
| BadAussee | extensive | 0 | infiltration_box | ok | 146.7 | 300 | 600 | 0 | 0.0 | 12.3 | 49.1 | 53391 |
| BadAussee | extensive | 1 | infiltration_box | ok | 144.5 | 300 | 300 | 1 | 42.6 | 12.2 | 49.1 | 34400 |
| BadAussee | extensive | 2 | infiltration_box | ok | 137.1 | 300 | 300 | 2 | 55.6 | 11.7 | 49.1 | 32632 |
| BadAussee | extensive | 3 | infiltration_box | ok | 133.0 | 300 | 300 | 3 | 63.5 | 11.4 | 49.1 | 31656 |
| BadAussee | extensive | 4 | infiltration_box | ok | 127.5 | 294 | 300 | 4 | 80.1 | 11.1 | 49.1 | 30298 |
| BadAussee | extensive | 5 | infiltration_box | ok | 115.2 | 212 | 300 | 5 | 162.3 | 10.2 | 49.1 | 26720 |
| Eisenstadt_2005 | extensive | 0 | gravel_trench | ok | 30.5 | 281 | 900 | 0 | 0.0 | 45.5 | 95.1 | 6663 |
| Eisenstadt_2005 | extensive | 1 | gravel_trench | ok | 25.0 | 100 | 900 | 1 | 8.2 | 40.3 | 95.1 | 5150 |
| Eisenstadt_2005 | extensive | 2 | gravel_trench | ok | 25.0 | 100 | 900 | 1 | 8.2 | 40.3 | 95.1 | 5150 |
| Eisenstadt_2005 | extensive | 3 | gravel_trench | ok | 25.0 | 100 | 900 | 1 | 8.2 | 40.3 | 95.1 | 5150 |
| Eisenstadt_2005 | extensive | 4 | gravel_trench | ok | 25.0 | 100 | 900 | 1 | 8.2 | 40.3 | 95.1 | 5150 |
| Eisenstadt_2005 | extensive | 5 | gravel_trench | ok | 25.0 | 100 | 900 | 1 | 8.2 | 40.3 | 95.1 | 5150 |
| Wien | extensive | 0 | gravel_trench | ok | 198.6 | 300 | 1111 | 0 | 0.0 | 44.0 | 79.6 | 48727 |
| Wien | extensive | 1 | gravel_trench | ok | 77.0 | 294 | 900 | 1 | 120.5 | 24.8 | 79.6 | 16896 |
| Wien | extensive | 2 | gravel_trench | ok | 72.9 | 294 | 900 | 2 | 126.4 | 23.8 | 79.6 | 15995 |
| Wien | extensive | 3 | gravel_trench | ok | 57.8 | 300 | 900 | 3 | 154.4 | 20.0 | 79.6 | 12719 |
| Wien | extensive | 4 | gravel_trench | ok | 55.1 | 294 | 900 | 4 | 162.1 | 19.3 | 79.6 | 12093 |
| Wien | extensive | 5 | gravel_trench | ok | 51.0 | 294 | 900 | 5 | 171.7 | 18.2 | 79.6 | 11193 |
| BadAussee | extensive | 0 | gravel_trench | ok | 198.6 | 300 | 1005 | 0 | 0.0 | 15.4 | 49.1 | 46213 |
| BadAussee | extensive | 1 | gravel_trench | ok | 146.8 | 300 | 900 | 1 | 43.1 | 12.3 | 49.1 | 32290 |
| BadAussee | extensive | 2 | gravel_trench | ok | 139.8 | 294 | 900 | 2 | 56.3 | 11.9 | 49.1 | 30704 |
| BadAussee | extensive | 3 | gravel_trench | ok | 135.7 | 300 | 900 | 3 | 62.6 | 11.6 | 49.1 | 29863 |
| BadAussee | extensive | 4 | gravel_trench | ok | 130.3 | 294 | 900 | 4 | 78.9 | 11.3 | 49.1 | 28603 |
| BadAussee | extensive | 5 | gravel_trench | ok | 115.2 | 231 | 900 | 5 | 160.3 | 10.2 | 49.1 | 24797 |
| Eisenstadt_2005 | intensive | 0 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Eisenstadt_2005 | intensive | 1 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Eisenstadt_2005 | intensive | 2 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Eisenstadt_2005 | intensive | 3 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Eisenstadt_2005 | intensive | 4 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Eisenstadt_2005 | intensive | 5 | infiltration_box | ok | 25.0 | 100 | 300 | 0 | 0.0 | 106.3 | 101.5 | 5600 |
| Wien | intensive | 0 | infiltration_box | ok | 191.8 | 300 | 300 | 0 | 0.0 | 67.6 | 94.2 | 45648 |
| Wien | intensive | 1 | infiltration_box | ok | 46.9 | 225 | 300 | 1 | 104.8 | 40.9 | 94.2 | 10910 |
| Wien | intensive | 2 | infiltration_box | ok | 45.5 | 100 | 300 | 2 | 118.1 | 40.2 | 94.2 | 10194 |
| Wien | intensive | 3 | infiltration_box | ok | 44.1 | 100 | 300 | 2 | 119.3 | 39.6 | 94.2 | 9888 |
| Wien | intensive | 4 | infiltration_box | ok | 31.8 | 288 | 300 | 4 | 128.2 | 32.8 | 94.2 | 7549 |
| Wien | intensive | 5 | infiltration_box | ok | 29.1 | 250 | 300 | 5 | 139.1 | 31.0 | 94.2 | 6824 |
| BadAussee | intensive | 0 | infiltration_box | ok | 146.7 | 300 | 600 | 0 | 0.0 | 14.3 | 58.2 | 53391 |
| BadAussee | intensive | 1 | infiltration_box | ok | 144.5 | 300 | 300 | 1 | 42.5 | 14.2 | 58.2 | 34400 |
| BadAussee | intensive | 2 | infiltration_box | ok | 137.1 | 300 | 300 | 2 | 55.1 | 13.7 | 58.2 | 32632 |
| BadAussee | intensive | 3 | infiltration_box | ok | 133.0 | 300 | 300 | 3 | 63.3 | 13.3 | 58.2 | 31656 |
| BadAussee | intensive | 4 | infiltration_box | ok | 127.5 | 294 | 300 | 4 | 79.1 | 12.9 | 58.2 | 30298 |
| BadAussee | intensive | 5 | infiltration_box | ok | 115.2 | 212 | 300 | 5 | 161.0 | 12.0 | 58.2 | 26720 |
| Eisenstadt_2005 | intensive | 0 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Eisenstadt_2005 | intensive | 1 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Eisenstadt_2005 | intensive | 2 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Eisenstadt_2005 | intensive | 3 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Eisenstadt_2005 | intensive | 4 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Eisenstadt_2005 | intensive | 5 | gravel_trench | ok | 25.0 | 100 | 900 | 0 | 0.0 | 106.3 | 101.5 | 5150 |
| Wien | intensive | 0 | gravel_trench | ok | 195.9 | 300 | 900 | 0 | 0.0 | 67.9 | 94.2 | 43098 |
| Wien | intensive | 1 | gravel_trench | ok | 46.9 | 225 | 900 | 1 | 105.6 | 40.9 | 94.2 | 10066 |
| Wien | intensive | 2 | gravel_trench | ok | 45.5 | 100 | 900 | 2 | 118.8 | 40.2 | 94.2 | 9375 |
| Wien | intensive | 3 | gravel_trench | ok | 44.1 | 100 | 900 | 2 | 121.5 | 39.6 | 94.2 | 9093 |
| Wien | intensive | 4 | gravel_trench | ok | 31.8 | 300 | 900 | 4 | 128.8 | 32.8 | 94.2 | 7004 |
| Wien | intensive | 5 | gravel_trench | ok | 29.1 | 269 | 900 | 5 | 139.1 | 31.0 | 94.2 | 6339 |
| BadAussee | intensive | 0 | gravel_trench | ok | 197.3 | 300 | 1005 | 0 | 0.0 | 17.6 | 58.2 | 45895 |
| BadAussee | intensive | 1 | gravel_trench | ok | 146.8 | 294 | 900 | 1 | 43.9 | 14.4 | 58.2 | 32226 |
| BadAussee | intensive | 2 | gravel_trench | ok | 139.8 | 294 | 900 | 2 | 56.1 | 13.9 | 58.2 | 30704 |
| BadAussee | intensive | 3 | gravel_trench | ok | 135.7 | 300 | 900 | 3 | 61.9 | 13.6 | 58.2 | 29863 |
| BadAussee | intensive | 4 | gravel_trench | ok | 130.3 | 294 | 900 | 4 | 77.9 | 13.1 | 58.2 | 28603 |
| BadAussee | intensive | 5 | gravel_trench | ok | 115.2 | 231 | 900 | 5 | 159.7 | 12.0 | 58.2 | 24797 |
Zwei Prüfungen in einem: (1) Regression —
conv_legacy muss die publizierten Optima reproduzieren
(deterministische Engine; der Runner-Umbau für die Dachvarianten darf
das Legacy-Verhalten nicht ändern). Dafür die publizierte
optimisation_results_all_sites.csv als
optimisation_results_all_sites_published.csv neben diese
Vignette legen. (2) Frame-Effekt — die Differenz
conventional − conv_legacy beziffert, was der
Wechsel auf Hoernschemeyer_aktiv = 1 + Saisonkurve an der
Mulde allein ausmacht (gleiches dichtes Dach); nur dieser Effekt trennt
die neue Kurvenschar von den publizierten Werten.
key <- c("site", "x", "storage_type")
published_path <- "optimisation_results_all_sites_published.csv"
if (file.exists(published_path)) {
published <- readr::read_csv(published_path, show_col_types = FALSE)
regress <- dplyr::inner_join(
opt_all[opt_all$roof_type == "conv_legacy",
c(key, "mulde_area", "mulde_height", "storage_height",
"cost_total")],
published[, c(key, "mulde_area", "mulde_height", "storage_height",
"cost_total")],
by = key, suffix = c("_legacy", "_publiziert")
) %>%
dplyr::mutate(
delta_cost_pct = round(100 * (cost_total_legacy - cost_total_publiziert) /
cost_total_publiziert, 2)
)
knitr::kable(
regress, digits = 1,
caption = paste("Regressions-Anker: conv_legacy vs. publizierte",
"Optima -- erwartet: identisch (delta_cost_pct = 0)")
)
if (any(abs(regress$delta_cost_pct) > 0.5, na.rm = TRUE)) {
warning("conv_legacy weicht von den publizierten Optima ab -- ",
"Runner-Umbau pruefen, bevor die Dachvarianten ",
"interpretiert werden!")
}
} else {
cat("(Keine", published_path, "neben der Vignette -- ",
"Regressions-Anker uebersprungen.)\n")
}
#> (Keine optimisation_results_all_sites_published.csv neben der Vignette -- Regressions-Anker uebersprungen.)
frame_effect <- dplyr::inner_join(
opt_all[opt_all$roof_type == "conv_legacy", c(key, "cost_total")],
opt_all[opt_all$roof_type == "conventional", c(key, "cost_total")],
by = key, suffix = c("_legacy", "_rahmen")
) %>%
dplyr::mutate(
frame_delta_pct = round(100 * (cost_total_rahmen - cost_total_legacy) /
cost_total_legacy, 1)
)
knitr::kable(
frame_effect, digits = 1,
caption = paste("Frame-Effekt: conventional (Hoernschemeyer + Saisonkurve)",
"vs. conv_legacy -- gleiches dichtes Dach, nur der",
"ET-Pfad der Mulde unterscheidet sich")
)| site | x | storage_type | cost_total_legacy | cost_total_rahmen | frame_delta_pct |
|---|---|---|---|---|---|
| Eisenstadt_2005 | 0 | infiltration_box | 13036.3 | 13036.3 | 0.0 |
| Eisenstadt_2005 | 1 | infiltration_box | 10791.0 | 10791.0 | 0.0 |
| Eisenstadt_2005 | 2 | infiltration_box | 10771.1 | 10791.0 | 0.2 |
| Eisenstadt_2005 | 3 | infiltration_box | 10486.2 | 10486.2 | 0.0 |
| Eisenstadt_2005 | 4 | infiltration_box | 10486.2 | 10486.2 | 0.0 |
| Eisenstadt_2005 | 5 | infiltration_box | 9887.5 | 9887.5 | 0.0 |
| Wien | 0 | infiltration_box | 58297.8 | 58297.8 | 0.0 |
| Wien | 1 | infiltration_box | 30510.5 | 30510.5 | 0.0 |
| Wien | 2 | infiltration_box | 26076.2 | 26076.2 | 0.0 |
| Wien | 3 | infiltration_box | 23477.9 | 23477.9 | 0.0 |
| Wien | 4 | infiltration_box | 22544.9 | 22544.9 | 0.0 |
| Wien | 5 | infiltration_box | 22137.8 | 22137.8 | 0.0 |
| BadAussee | 0 | infiltration_box | 54386.7 | 54386.7 | 0.0 |
| BadAussee | 1 | infiltration_box | 34858.6 | 34858.6 | 0.0 |
| BadAussee | 2 | infiltration_box | 33282.8 | 33282.8 | 0.0 |
| BadAussee | 3 | infiltration_box | 31981.2 | 31981.2 | 0.0 |
| BadAussee | 4 | infiltration_box | 30679.7 | 30679.7 | 0.0 |
| BadAussee | 5 | infiltration_box | 28252.1 | 28252.1 | 0.0 |
| Eisenstadt_2005 | 0 | gravel_trench | 12117.2 | 12117.2 | 0.0 |
| Eisenstadt_2005 | 1 | gravel_trench | 9991.8 | 9991.8 | 0.0 |
| Eisenstadt_2005 | 2 | gravel_trench | 9991.8 | 9991.8 | 0.0 |
| Eisenstadt_2005 | 3 | gravel_trench | 9952.0 | 9952.0 | 0.0 |
| Eisenstadt_2005 | 4 | gravel_trench | 9710.9 | 9710.9 | 0.0 |
| Eisenstadt_2005 | 5 | gravel_trench | 9093.0 | 9093.0 | 0.0 |
| Wien | 0 | gravel_trench | 49062.5 | 49062.5 | 0.0 |
| Wien | 1 | gravel_trench | 29261.7 | 29261.7 | 0.0 |
| Wien | 2 | gravel_trench | 24449.2 | 24449.2 | 0.0 |
| Wien | 3 | gravel_trench | 22343.8 | 22343.8 | 0.0 |
| Wien | 4 | gravel_trench | 20839.8 | 20839.8 | 0.0 |
| Wien | 5 | gravel_trench | 20798.4 | 20798.4 | 0.0 |
| BadAussee | 0 | gravel_trench | 47037.5 | 47037.5 | 0.0 |
| BadAussee | 1 | gravel_trench | 32554.8 | 32554.8 | 0.0 |
| BadAussee | 2 | gravel_trench | 31304.8 | 31304.8 | 0.0 |
| BadAussee | 3 | gravel_trench | 30164.1 | 30164.1 | 0.0 |
| BadAussee | 4 | gravel_trench | 28660.2 | 28660.2 | 0.0 |
| BadAussee | 5 | gravel_trench | 26237.8 | 26237.8 | 0.0 |
library(ggplot2)
# conv_legacy ist Regressions-Anker, keine Szenariokurve
ok <- opt_all[opt_all$status == "ok" & opt_all$roof_type != "conv_legacy", ]
ok$roof_type <- factor(ok$roof_type,
levels = c("conventional", "extensive", "intensive"),
labels = c("konventionell", "extensiv", "intensiv"))
ggplot(ok, aes(x, cost_total / 1000, colour = storage_type)) +
geom_line() +
geom_point(size = 2) +
facet_grid(roof_type ~ site, scales = "free_y") +
scale_x_continuous(breaks = 0:5) +
labs(title = "Kosten-Wirksamkeits-Kurven je Dachtyp",
x = "Ueberlaufziel x (zulaessige Ereignisse)",
y = "Kosten Optimum [Tsd. EUR]",
colour = "Speichertyp",
caption = paste0(
cost_rates_caption("de", cost_rates),
"\nKosten: Mulden-Rigolen-System -- ",
"Gruendachkosten nicht enthalten."
)) +
theme_bw()# Neuer Dateiname: die publizierte optimisation_results_all_sites.csv
# (ohne roof_type-Spalte) bleibt unberuehrt -- bestehende Leser wie die
# Simultan-Vignette joinen sonst auf kollabierende Schluessel.
readr::write_csv(opt_all, "optimisation_results_roofs_all_sites.csv")
for (site in unique(opt_all$site)) {
readr::write_csv(opt_all[opt_all$site == site, ],
sprintf("optimisation_results_roofs_%s.csv", site))
}
task_stats <- unique(opt_all[, c("site", "roof_type", "storage_type",
"n_runs_task", "minutes_task")])
knitr::kable(
task_stats,
col.names = c("Standort", "Dachtyp", "Speichertyp",
"Engine-Laeufe", "Minuten")
)| Standort | Dachtyp | Speichertyp | Engine-Laeufe | Minuten |
|---|---|---|---|---|
| Eisenstadt_2005 | conv_legacy | infiltration_box | 32 | 2.3 |
| Wien | conv_legacy | infiltration_box | 74 | 69.9 |
| BadAussee | conv_legacy | infiltration_box | 75 | 43.4 |
| Eisenstadt_2005 | conv_legacy | gravel_trench | 33 | 1.9 |
| Wien | conv_legacy | gravel_trench | 73 | 68.7 |
| BadAussee | conv_legacy | gravel_trench | 81 | 47.8 |
| Eisenstadt_2005 | conventional | infiltration_box | 32 | 1.5 |
| Wien | conventional | infiltration_box | 74 | 69.8 |
| BadAussee | conventional | infiltration_box | 75 | 44.3 |
| Eisenstadt_2005 | conventional | gravel_trench | 33 | 1.9 |
| Wien | conventional | gravel_trench | 73 | 69.4 |
| BadAussee | conventional | gravel_trench | 81 | 47.5 |
| Eisenstadt_2005 | extensive | infiltration_box | 16 | 0.7 |
| Wien | extensive | infiltration_box | 72 | 34.6 |
| BadAussee | extensive | infiltration_box | 76 | 71.2 |
| Eisenstadt_2005 | extensive | gravel_trench | 16 | 1.1 |
| Wien | extensive | gravel_trench | 78 | 45.2 |
| BadAussee | extensive | gravel_trench | 81 | 74.6 |
| Eisenstadt_2005 | intensive | infiltration_box | 3 | 0.2 |
| Wien | intensive | infiltration_box | 47 | 28.0 |
| BadAussee | intensive | infiltration_box | 76 | 72.0 |
| Eisenstadt_2005 | intensive | gravel_trench | 3 | 0.2 |
| Wien | intensive | gravel_trench | 47 | 28.2 |
| BadAussee | intensive | gravel_trench | 81 | 41.2 |
Gesamtlaufzeit Optimierung: 1332 Engine-Läufe · Summe der Task-Zeiten 865.6 min · tatsächliche Laufzeit 152.9 min (paralleler Speedup 5.7×).
Die MC-Analyse läuft bewusst ohne Dachtyp-Dimension (Legacy-Frame, konventionelles Dach): Geprüft wird die Robustheit des Suchverfahrens gegenüber dem Suchpfad, und die ist vom Zulauf-Szenario unabhängig — eine Verdreifachung auf 180 Tasks brächte keine zusätzliche Aussage.
Die Bisektion ist deterministisch: gleiche Eingaben, gleicher Pfad,
gleiches Ergebnis. Die Monte-Carlo-Frage lautet deshalb: Hängt
das gefundene Optimum vom Suchpfad ab? Dazu wird der
Teilungspunkt jeder Bisektion zufällig verschoben
(split_jitter = 0.3: Teilung zufällig zwischen 20 % und 80
% des Intervalls statt exakt mittig) und die Optimierung
n_mc-mal mit unterschiedlichen Seeds wiederholt —
Regen, Kostensätze und alle übrigen Eingaben bleiben
unverändert (x = 1, ohne Warmstart, damit jede Wiederholung den
vollen Suchraum durchläuft). Gerechnet wird der volle Pool 3
Standorte × 2 Speichertypen × n_mc Wiederholungen = 60
unabhängige Tasks, alle parallel (je Task eine komplette
Neu-Optimierung mit ~15 Engine-Läufen; Wall-Time je nach Kernzahl ~20–35
min). Erwartung, wenn das Optimum eine Eigenschaft des Problems ist —
und nicht des Wegs, den die Suche genommen hat: identische
Speicherstufe, Flächen-Spanne ≤ 2 × area_tol, Kostenspanne
von wenigen Prozent. Die Muldentiefe darf etwas weiter streuen
als 2 × height_tol: Sie ist über die Hydraulik an die
gefundene Fläche gekoppelt (eine um area_tol größere Fläche
erlaubt eine entsprechend geringere Tiefe), sodass sich dort die
Toleranzen beider Suchen addieren.
t_mc_start <- Sys.time()
mc_tasks <- expand.grid(site = names(sites), type = names(storage_spec),
rep = seq_len(n_mc), stringsAsFactors = FALSE)
future::plan(future::multisession,
workers = min(nrow(mc_tasks),
max(1, parallel::detectCores() - 1)))
mc_search <- future.apply::future_lapply(seq_len(nrow(mc_tasks)), function(i) {
site <- mc_tasks$site[i]
type <- mc_tasks$type[i]
rep <- mc_tasks$rep[i]
if (file.exists("../DESCRIPTION") &&
requireNamespace("pkgload", quietly = TRUE)) {
pkgload::load_all("..", quiet = TRUE)
} else {
library(kwb.raindrop)
}
set.seed(mc_seeds[rep])
cfg <- sites[[site]]
ts <- if (cfg$timeseries) {
read_site_timeseries(
extdata_path("models", cfg$dir, "rain.csv.gz"),
extdata_path("models", cfg$dir, "et.csv"),
verbose = FALSE
)
} else {
NULL
}
run_fn <- make_swale_runner(make_path_list(paste0(site, "_MC"), cfg$dir),
timeseries_rain = ts$rain,
timeseries_et = ts$et)
opt <- optimise_swale_design(
run_fn, x_targets = 1,
area_bounds = area_bounds, area_tol = area_tol,
height_bounds = height_bounds, height_tol = height_tol,
storage_spec = storage_spec[type],
fixed = fixed,
split_jitter = 0.3,
cost_rates = cost_rates, verbose = FALSE
)
opt$site <- site
opt$rep <- rep
opt$n_runs_rep <- attr(opt, "n_runs_total")
opt
}, future.seed = TRUE)
future::plan(future::sequential)
mc_search <- dplyr::bind_rows(mc_search)
t_mc_end <- Sys.time()ok_mc <- mc_search[mc_search$status == "ok", ]
ggplot(ok_mc, aes(rep, cost_total / 1000, colour = storage_type)) +
geom_point(size = 2) +
facet_wrap(~ site, scales = "free_y") +
scale_x_continuous(breaks = seq_len(n_mc)) +
labs(title = sprintf(
"Such-Monte-Carlo (x = 1, %d zufaellige Suchpfade je Standort und Typ)",
n_mc),
x = "Wiederholung (Seed)",
y = "Kosten Optimum [Tsd. EUR]",
colour = "Speichertyp") +
theme_bw()
knitr::kable(
ok_mc %>%
dplyr::group_by(site, storage_type) %>%
dplyr::summarise(
flaeche_spanne_m2 = max(mulde_area) - min(mulde_area),
tiefe_spanne_mm = max(mulde_height) - min(mulde_height),
speicher_identisch = dplyr::n_distinct(storage_height) == 1,
kosten_min = min(cost_total),
kosten_max = max(cost_total),
kosten_spanne_pct = round(100 * (max(cost_total) - min(cost_total)) /
min(cost_total), 2),
.groups = "drop"
),
digits = 1,
caption = paste("Streuung ueber die Suchpfade -- erwartet: identische",
"Speicherstufe, Flaechen-Spanne <= 2 x area_tol,",
"Kostenspanne wenige Prozent; die Tiefe streut wegen",
"der Flaechen-Kopplung weiter")
)| site | storage_type | flaeche_spanne_m2 | tiefe_spanne_mm | speicher_identisch | kosten_min | kosten_max | kosten_spanne_pct |
|---|---|---|---|---|---|---|---|
| BadAussee | gravel_trench | 1.8 | 8.8 | TRUE | 32496.5 | 32791.0 | 0.9 |
| BadAussee | infiltration_box | 1.7 | 14.1 | TRUE | 34733.8 | 34987.4 | 0.7 |
| Eisenstadt_2005 | gravel_trench | 1.8 | 35.0 | TRUE | 9976.9 | 10259.6 | 2.8 |
| Eisenstadt_2005 | infiltration_box | 1.3 | 32.2 | TRUE | 10648.2 | 10870.7 | 2.1 |
| Wien | gravel_trench | 1.9 | 6.4 | TRUE | 29067.0 | 29435.1 | 1.3 |
| Wien | infiltration_box | 1.6 | 6.8 | TRUE | 30424.1 | 30800.6 | 1.2 |
Laufzeit Such-Monte-Carlo: 1021 Engine-Läufe in 72.7 min (parallel über 60 Tasks: 3 Standorte × 2 Speichertypen × 10 Wiederholungen).
monotonicity_warning = TRUE in einer Zeile hieße: Zähler
und Volumen sind gemeinsam gestiegen — dann Branch prüfen.find_min_feasible() deckt
ihn ab.max_total_depth
(mm) begrenzt Muldentiefe + Filter + Speicher analytisch (DWA-A 138 /
Überdeckung), ohne zusätzliche Läufe.area_bounds[1] = 25 m² kleben. Das
ist als “≤ 25 m² genügen” zu lesen; die Grenze bleibt bewusst bei 25 m²,
weil die Monotonie nur im Rasterbereich geprüft ist.et_pct/roof_et_pct der
Gründach-Szenarien 100 % übersteigen (Smoke-Test 2026-11-09: intensiv
106/101 %). Das ist kein Bilanzfehler: Die Anteile sind auf den
Zufluss bezogen, und bei stark reduziertem Zulauf verdunstet
zusätzlich das Anfangswasser der Speicher (Startfeuchte von Substrat,
Filter und Speicherschicht) — über ein einzelnes Jahr sichtbar, über die
15-Jahres-Serien (Wien, Bad Aussee) vernachlässigbar. Für Berichte die
Eisenstadt-Anteile entsprechend einordnen oder auf mm/a umrechnen.conv_legacy (und
nur es) ist mit den publizierten AU-/Endberichts-Optima vergleichbar;
die Kurvenschar
conventional/extensiv/intensiv
ist untereinander vergleichbar. Den Abstand beider Welten beziffert die
Frame-Anker-Tabelle.diagnose_green_roofs). Bis dahin sind die Gründach-Kurven
als Szenarienvergleich zu lesen, nicht als absolute
Retentionsprognose.Gesamtlaufzeit dieser Vignette: 225.7 Minuten (Optimierung 152.9 min · Such-Monte-Carlo 72.7 min · Rest: Setup und Rendern).