Improving efficiency in air pollution numerical simulations

Procjenjivanje onečišćenja zraka predstavlja važan segment sustava za ocjenu utjecaja onečišćenja na zdravlje ljudi i okoliša. Temeljni, zakonom propisani, postupak procjenjivanja je korištenje standardiziranih modela kakvoće zraka. Modeli kakvoće zraka učestalo se primjenjuju pri višegodišnjim analizama emisija onečišćujućih tvari iz novih potencijalnih postrojenja te pri kontinuiranom procjenjivanju i praćenju imisija iz postojećih izvora. Takve simulacije zahtijevaju iznimnu količinu informacija za pripremu te odabir modela kakvoće sa primjerenom učinkovitošću i točnosti izračunatih koncentracija onečišćenja. Analizom različitih modela disperzije i kakvoće zraka odabran je CALPUFF model disperzije. Učinkovitost je povećana na dvije razine. Prva razina odnosi se na efikasniji i robusniji način prikupljanja i pripreme svih potrebnih podataka za CALPUFF model disperzije. U d rugom d ijelu p ovećana je učinkovitost modela disperzije dimnih oblaka korištenjem grafičkih procesora opće namjene (GPGPU). Postupak paralelizacije postojećeg računalnog koda proveden je na proračunski najzahtjevnijem segmentu modela. Rezultati paralelizacije CALPUFF modela disperzije uspoređeni su sa osnovnom serijskom varijantom proračuna.Air pollution forecasting presents major segment for mitigation of air pollution effects on humans and environment. Regulatory modeling techniques have been established for such purposes. Air quality models, nowadays, are often used for longtime analysis of emitted pollutants from newly planned sources, for continuous forecasts from current sources. Such simulations need high number of different input parameters and selection of efficient model for each specific purpose in order to obtain accurate ground level concentrations. Different air quality m odels have been t horoughly a nalyzed with a conclusion t hat CALPUFF m odel i s most suited for wide range of applications. Furthermore, the model was made more effective by raising the efficiency of model input data delivery and preparation. Moreover, the model was programmed for parallel execution on general purpose graphical processors (GPGPU). A process of parallelization was conducted on the code segment that consume the most compute time of the entire model. Results of raised efficiency of CALPUFF dispersion model have been compared to the results of current serial model version