Biofilters are a potential treatment option for removing pollutants from feedlot runoff but little research has been done on their use and design. In this study, two mechanism -based models were developed to simulate biofilter processes: a first-order model and a logistic model. The two models were calibrated and evaluated using nitrogen (N) and phosphorus (P) data collected from rainfall events for an experimental biofilter at Melrose, Minnesota, USA. The first-order model predicted removal efficiencies better than the logistic model. The sensitivity analysis suggested that the predictions of the first-order model are more sensitive to parameter. In addition, the uncertainty analysis suggested that the range in predictive errors could be a consequence of uncertainty of estimating parameter from the limited data set for the first-order model. In contrast, the uncertainty analysis for the logistic model of N suggested that reasons other than the uncertainty in parameter estimation are needed to explain predictive errors. Overall, the study provides a useful tool for assessing biofilter performance that can easily be improved with larger observed data sets. The biofilter model has been implemented in the most recent version of the Minnesota feedlot annualized runoff model (MinnFARM).
Recently, market-oriented grid resource management has been proposed to cope with the scarceness of grid resources in grid systems. In the market-oriented environment, grid users should pay resource owners a sum of money for resources consumed. However, the contribution of resources owners is not only offering resources for grid applications, but also for the loss of local task execution for the sake of grid task complement punctually. There is little research to address the problem of compensation for opportunities lose of local task in grid resources. As a result, resource owners may be reluctant to join the grid unless some compensation is paid. In this paper, based on the analysis of the expected income of two priority strategies in grid resources, the minimal compensation which grid users should pay to resources owners is determined using the concept of opportunity cost and a variable price model is presented to ensure a fair market environment. To calculate minimal compensation, an evaluation approach based on Monte Carlo simulation is given and the minimal compensation can be determined according to the characteristics of the grid resource and the deadline of the grid task. Based on the simulation results, the infl uence factors of minimal compensation are studied using a numerical example. The proposed price model can provide an incentive for resource owners and attract more and more resources in the Internet to participate in the grid.
PL
Ostatnio ideę prorynkowego zarządzania zasobami gridowymi proponuje się jako sposób na uporanie się z niedostatkiem zasobów gridowych w systemach sieci typu grid. W środowisku prorynkowym, użytkownicy sieci grid powinni płacić właścicielom zasobów pewną sumę pieniędzy za wykorzystane zasoby. Jednakże, należy pamiętać, że właściciele zasobów nie tylko oferują zasoby dla aplikacji gridowych, ale również muszą rezygnować z wykonania lokalnych zadań na rzecz terminowego dostarczenia zasobów do wykonania zadania gridowego. Istnieje niewiele badań zajmujących się problemem rekompensaty za utratę korzyści z zadania lokalnego na zasobach gridowych. W związku z istnieniem tego problemu posiadacze zasobów mogą nie chcieć przyłączać się do sieci gridowej, o ile nie otrzymają pewnej rekompensaty. W niniejszym artykule wyznaczono minimalną rekompensatę, jaką użytkownicy sieci gridowej winni płacić posiadaczom zasobów. Obliczeń dokonano w oparciu o analizę oczekiwanego dochodu w odniesieniu do dwóch strategii szeregowania zadań w zasobach gridowych oraz wykorzystując pojęcie kosztu alternatywnego (opportunity cost). Aby zagwarantować uczciwe warunki rynkowe, przedstawiono również model zmiennej ceny (variable price model). Do obliczenia rekompensaty minimalnej wykorzystano podejście oparte na symulacji Monte Carlo. Rekompensatę minimalną wyznacza się kierując się charakterystykami zasobu gridowego i terminem wykonania zadania gridowego. W oparciu o wyniki symulacji, przeanalizowano czynniki wpływające na rekompensatę minimalną wykorzystując przykład numeryczny. Proponowany model cenowy może stać się motywacją dla posiadaczy zasobów przyciągając coraz więcej zasobów internetowych do uczestnictwa w sieciach gridowych.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.