Estimation of State Space Models and Stochastic Volatility

Ma thèse est composée de trois chapitres reliés à l'estimation des modèles espace-état et volatilité stochastique. Dans le première article, nous développons une procédure de lissage de l'état, avec efficacité computationnelle, dans un modèle espace-état linéaire et gaussien. Nous montrons comment exploiter la structure particulière des modèles espace-état pour tirer les états latents efficacement. Nous analysons l'efficacité computationnelle des méthodes basées sur le filtre de Kalman, l'algorithme facteur de Cholesky et notre nouvelle méthode utilisant le compte d'opérations et d'expériences de calcul. Nous montrons que pour de nombreux cas importants, notre méthode est plus efficace. Les gains sont particulièrement grands pour les cas où la dimension des variables observées est grande ou dans les cas où il faut faire des tirages répétés des états pour les mêmes valeurs de paramètres. Comme application, on considère un modèle multivarié de Poisson avec le temps des intensités variables, lequel est utilisé pour analyser le compte de données des transactions sur les marchés financières. Dans le deuxième chapitre, nous proposons une nouvelle technique pour analyser des modèles multivariés à volatilité stochastique. La méthode proposée est basée sur le tirage efficace de la volatilité de son densité conditionnelle sachant les paramètres et les données. Notre méthodologie s'applique aux modèles avec plusieurs types de dépendance dans la coupe transversale. Nous pouvons modeler des matrices de corrélation conditionnelles variant dans le temps en incorporant des facteurs dans l'équation de rendements, où les facteurs sont des processus de volatilité stochastique indépendants. Nous pouvons incorporer des copules pour permettre la dépendance conditionnelle des rendements sachant la volatilité, permettant avoir différent lois marginaux de Student avec des degrés de liberté spécifiques pour capturer l'hétérogénéité des rendements. On tire la volatilité comme un bloc dans la dimension du temps et un à la fois dans la dimension de la coupe transversale. Nous appliquons la méthode introduite par McCausland (2012) pour obtenir une bonne approximation de la distribution conditionnelle à posteriori de la volatilité d'un rendement sachant les volatilités d'autres rendements, les paramètres et les corrélations dynamiques. Le modèle est évalué en utilisant des données réelles pour dix taux de change. Nous rapportons des résultats pour des modèles univariés de volatilité stochastique et deux modèles multivariés. Dans le troisième chapitre, nous évaluons l'information contribuée par des variations de volatilite réalisée à l'évaluation et prévision de la volatilité quand des prix sont mesurés avec et sans erreur. Nous utilisons de modèles de volatilité stochastique. Nous considérons le point de vue d'un investisseur pour qui la volatilité est une variable latent inconnu et la volatilité réalisée est une quantité d'échantillon qui contient des informations sur lui. Nous employons des méthodes bayésiennes de Monte Carlo par chaîne de Markov pour estimer les modèles, qui permettent la formulation, non seulement des densités a posteriori de la volatilité, mais aussi les densités prédictives de la volatilité future. Nous comparons les prévisions de volatilité et les taux de succès des prévisions qui emploient et n'emploient pas l'information contenue dans la volatilité réalisée. Cette approche se distingue de celles existantes dans la littérature empirique en ce sens que ces dernières se limitent le plus souvent à documenter la capacité de la volatilité réalisée à se prévoir à elle-même. Nous présentons des applications empiriques en utilisant les rendements journaliers des indices et de taux de change. Les différents modèles concurrents sont appliqués à la seconde moitié de 2008, une période marquante dans la récente crise financière.

Detection and quantification of staphylococcus aureus enterotoxin B in food product using isotopic dilution techniques and mass spectrometry

L’entérotoxine B staphylococcique (SEB) est une toxine entérique hautement résistante à la chaleur et est responsable de plus de 50 % des cas d’intoxication d’origine alimentaire par une entérotoxine. L’objectif principal de ce projet de maîtrise est de développer et valider une méthode basée sur des nouvelles stratégies analytiques permettant la détection et la quantification de SEB dans les matrices alimentaires. Une carte de peptides tryptiques a été produite et 3 peptides tryptiques spécifiques ont été sélectionnés pour servir de peptides témoins à partir des 9 fragments protéolytiques identifiés (couverture de 35 % de la séquence). L’anhydride acétique et la forme deutérée furent utilisés afin de synthétiser des peptides standards marqués avec un isotope léger et lourd. La combinaison de mélanges des deux isotopes à des concentrations molaires différentes fut utilisée afin d’établir la linéarité et les résultats ont démontré que les mesures faites par dilution isotopique combinée au CL-SM/SM respectaient les critères généralement reconnus d’épreuves biologiques avec des valeurs de pente près de 1, des valeurs de R2 supérieure à 0,98 et des coefficients de variation (CV%) inférieurs à 8 %. La précision et l’exactitude de la méthode ont été évaluées à l’aide d’échantillons d’homogénat de viande de poulet dans lesquels SEB a été introduite. SEB a été enrichie à 0,2, 1 et 2 pmol/g. Les résultats analytiques révèlent que la méthode procure une plage d’exactitude de 84,9 à 91,1 %. Dans l’ensemble, les résultats présentés dans ce mémoire démontrent que les méthodes protéomiques peuvent être utilisées efficacement pour détecter et quantifier SEB dans les matrices alimentaires. Mots clés : spectrométrie de masse; marquage isotopique; protéomique quantitative; entérotoxines

Validité et fiabilité d’un questionnaire de fréquence alimentaire visant à évaluer l’adhésion à la diète méditerranéenne

Des méthodes d’évaluation de la consommation alimentaire permettant de vérifier l’efficacité de la diète méditerranéenne en prévention des maladies cardiovasculaires doivent être validées. Objectif: Évaluer la fiabilité et la validité d’un questionnaire de fréquence alimentaire (QF) semi-quantitatif permettant de mesurer l’alimentation dans le cadre d’études cliniques portant sur la diète méditerranéenne dans la population québécoise. Méthodologie: Cinquante-trois participants ont été recrutés. Le QF a été complété à deux reprises pour évaluer la fiabilité et comparé à un journal alimentaire (JA) de 12 jours pour évaluer la validité. Résultats: Pour la fiabilité, les coefficients de corrélation intra-classe (CCI) variaient de 0.38-0.91. Pour la validité, les coefficients de corrélation de Pearson (r) entre le JA et le QF pré-JA variaient de 0.26-0.84 et les CCI variaient de 0.25-0.84. Quant au JA et QF post-JA, les r variaient de 0.36-0.83 et les CCI de 0.36-0.83. Conclusion: Le QF présente une bonne fiabilité et validité pour l’énergie et la majorité des nutriments caractéristiques de la diète méditerranéenne.

Ordinally consistent tournament solutions

A set ranking method assigns to each tournament on a given set an ordering of the subsets of that set. Such a method is consistent if (i) the items in the set are ranked in the same order as the sets of items they beat and (ii) the ordering of the items fully determines the ordering of the sets of items. We describe two consistent set ranking methods.

Characterization of Photonic Materials Using Thermal Lens Technique

The subject of Photonics is concerned with the generation,control and utilization of photons for performing a variety of tasks.It came to existence as a consequence of the harmonious fusion of optical methods with electronic technology.Wide spread use of laser based methods in electronics is slowly replacing elecrtons with photons in the field of Communication,Control and Computing .Therefore,there is a need to promote the R & D activities in the area of Photonics and to generate well trained manpower in laser related fields.Development and characterization of photonic materials is an important subject of research in the field of Photonics.Optical and thermal characterization of photonic materials using thermal lens technique is a PhD thesis in the field of Photonics in which the author describes how thermal lens effect can be used to characterize themal and optical properties of photonic materials.Plausibility of thermal lens based logic gates is also presented in this thesis.

Development of Time - Frequency Techniques for Sonar Applications

Sonar signal processing comprises of a large number of signal processing algorithms for implementing functions such as Target Detection, Localisation, Classification, Tracking and Parameter estimation. Current implementations of these functions rely on conventional techniques largely based on Fourier Techniques, primarily meant for stationary signals. Interestingly enough, the signals received by the sonar sensors are often non-stationary and hence processing methods capable of handling the non-stationarity will definitely fare better than Fourier transform based methods.Time-frequency methods(TFMs) are known as one of the best DSP tools for nonstationary signal processing, with which one can analyze signals in time and frequency domains simultaneously. But, other than STFT, TFMs have been largely limited to academic research because of the complexity of the algorithms and the limitations of computing power. With the availability of fast processors, many applications of TFMs have been reported in the fields of speech and image processing and biomedical applications, but not many in sonar processing. A structured effort, to fill these lacunae by exploring the potential of TFMs in sonar applications, is the net outcome of this thesis. To this end, four TFMs have been explored in detail viz. Wavelet Transform, Fractional Fourier Transfonn, Wigner Ville Distribution and Ambiguity Function and their potential in implementing five major sonar functions has been demonstrated with very promising results. What has been conclusively brought out in this thesis, is that there is no "one best TFM" for all applications, but there is "one best TFM" for each application. Accordingly, the TFM has to be adapted and tailored in many ways in order to develop specific algorithms for each of the applications.

Biochemical and molecular characterization of pathogenic vibrios from hatcheries and aquaculture farms

Vibrio are important during hatchery rearing. aquaculture phase and post-harvest quality of shrimps. Vibrio spp are of concern to shrimp farmers and hatchery operators because certain species can cause Vibriosis. Vibrio species are of concern to humans because certain species cause serious diseases.With the progress in aquaculture, intensive systems used for shrimp aquaculture create an artificial environment that increases bacterial growth. To maintain the productivity of such an intensive aquaculture, high inputs of fish protein have to be employed for feeding together with high levels of water exchange and the massive use of antibiotics/ probiotics / chemicals. It seems that the combination of these conditions favours the proliferation of vibrios and enhances their virulence and disease prevalence. The risk of a microbial infection is high, mainly at larval stages. The effect and severity are related to Vibrio species and dose, water, feed, shrimp quality and aquaculture management.Consumption of seafood can occasionally result in food-bome illnesses due to the proliferation of indigenous pathogens like Vibrio.Of the l2 pathogenic Vibrio species, 8 species are known to be directly food associated. Strict quality guidelines have been laid by the importing nations, for the food products that enter their markets. The microbiological quality requirement for export of frozen shrimp products is that V.cholerae, V.parahaemolyticus and V. vulnificus should be absent in 25g of the processed shrimp (Export Inspection Council of India, 1995). The mere presence of these pathogenic Vibrios is sufficient for the rejection of the exported product.The export rejections cause serious economic loss to the shrimp industry and might harm the brand image of the shrimp products from the countiy.There is a need for an independent study on the incidence of different pathogenic vibrios in shrimp aquaculture and investigate their biochemical characteristics to have a better understanding about the growth and survival of these organisms in the shrimp aquaculture niche. PCR based methods (conventional PCR, duplex PCR, multiplex-PCR and Real Time PCR) for the detection of the pathogenic Vibrios is important for rapid post-harvest quality assessment. Studies on the genetic heterogeneity among the specific pathogenic vibrio species isolated from shrimp aquaculture system provide; valuable information on the extent of genetic diversity of the pathogenic vibrios, the shrimp aquaculture system.So the present study was undertaken to study the incidence of pathogenic Vibrio spp. in Penaeus monodon shrimp hatcheries and aquaculture farms, to carry out biochemical investigations of the pathogenic Vibrio spp isolated from P. monodon hatchery and. aquaculture environments, to assess the effect of salt (NaCl) on the growth and enzymatic activities of pathogenic Vibrio spp., to study the effect of preservatives, and chemicals on the growth of pathogenic Vibrio spp. and to employ polymerase chain reaction (PCR) methods for the detection of pathogenic V ibrio spp.Samples of water (n=7) and post-larvae (n=7) were obtained from seven Penaeus monodon hatcheries and samples of water (n=5), sediment (n=5) and shrimp (n=5) were obtained from five P. monodon aquaculture farms located on the East Coast of lndia. The microbiological examination of water, sediment, post-larvae and shrimp samples was carried out employing standard methods and by using standard media.The higher bacterial loads were obtained in pond sediments which can be attributed to the accumulation of organic matter at the pond bottom which stimulated bacterial growth.Shrimp head. (4.78 x 105 +/- 3.0 x 104 cfu/g) had relatively higher bacterial load when compared to shrimp muscle 2.7 x 105 +/- 1.95 x 104 cfu/g). ln shrimp hatchery samples, the post-larvae (2.2 x 106 +/- 1.9 x 106 cfu/g) had higher bacterial load than water (5.6 x 103 +/- 3890 cfu/ml).The mean E.coli counts were higher in aquaculture pond sediment (204+/-13 cfu/g) and pond water (124+/-88 cfu/ml). Relatively lower Escherichia coli counts were obtained from shrimp samples (12+/-11 to 16+/-16.7 cfu/g). The presence of E.coli in aquaculture environment might have been from the source water. E.coli was not detected in hatchery waters and post-larvae.

Adsorption energy and spin state of first-row transition metals adsorbed on MgO(100)

Slab and cluster model spin-polarized calculations have been carried out to study various properties of isolated first-row transition metal atoms adsorbed on the anionic sites of the regular MgO(100) surface. The calculated adsorption energies follow the trend of the metal cohesive energies, indicating that the changes in the metal-support and metal-metal interactions along the series are dominated by atomic properties. In all cases, except for Ni at the generalized gradient approximation level, the number of unpaired electron is maintained as in the isolated metal atom. The energy required to change the atomic state from high to low spin has been computed using the PW91 and B3LYP density-functional-theory-based methods. PW91 fails to predict the proper ground state of V and Ni, but the results for the isolated and adsorbed atom are consistent within the method. B3LYP properly predicts the ground state of all first-row transition atom the high- to low-spin transition considered is comparable to experiment. In all cases, the interaction with the surface results in a reduced high- to low-spin transition energy.

“Improved Feature Extraction and Classification Techniques for Multispectral Brain Magnetic Resonance Images”

Magnetic Resonance Imaging (MRI) is a multi sequence medical imaging technique in which stacks of images are acquired with different tissue contrasts. Simultaneous observation and quantitative analysis of normal brain tissues and small abnormalities from these large numbers of different sequences is a great challenge in clinical applications. Multispectral MRI analysis can simplify the job considerably by combining unlimited number of available co-registered sequences in a single suite. However, poor performance of the multispectral system with conventional image classification and segmentation methods makes it inappropriate for clinical analysis. Recent works in multispectral brain MRI analysis attempted to resolve this issue by improved feature extraction approaches, such as transform based methods, fuzzy approaches, algebraic techniques and so forth. Transform based feature extraction methods like Independent Component Analysis (ICA) and its extensions have been effectively used in recent studies to improve the performance of multispectral brain MRI analysis. However, these global transforms were found to be inefficient and inconsistent in identifying less frequently occurred features like small lesions, from large amount of MR data. The present thesis focuses on the improvement in ICA based feature extraction techniques to enhance the performance of multispectral brain MRI analysis. Methods using spectral clustering and wavelet transforms are proposed to resolve the inefficiency of ICA in identifying small abnormalities, and problems due to ICA over-completeness. Effectiveness of the new methods in brain tissue classification and segmentation is confirmed by a detailed quantitative and qualitative analysis with synthetic and clinical, normal and abnormal, data. In comparison to conventional classification techniques, proposed algorithms provide better performance in classification of normal brain tissues and significant small abnormalities.

COMBINED FEATURE EXTRACTION TECHNIQUES AND NAIVE BAYES CLASSIFIER FOR SPEECH RECOGNITION

Speech processing and consequent recognition are important areas of Digital Signal Processing since speech allows people to communicate more natu-rally and efficiently. In this work, a speech recognition system is developed for re-cognizing digits in Malayalam. For recognizing speech, features are to be ex-tracted from speech and hence feature extraction method plays an important role in speech recognition. Here, front end processing for extracting the features is per-formed using two wavelet based methods namely Discrete Wavelet Transforms (DWT) and Wavelet Packet Decomposition (WPD). Naive Bayes classifier is used for classification purpose. After classification using Naive Bayes classifier, DWT produced a recognition accuracy of 83.5% and WPD produced an accuracy of 80.7%. This paper is intended to devise a new feature extraction method which produces improvements in the recognition accuracy. So, a new method called Dis-crete Wavelet Packet Decomposition (DWPD) is introduced which utilizes the hy-brid features of both DWT and WPD. The performance of this new approach is evaluated and it produced an improved recognition accuracy of 86.2% along with Naive Bayes classifier.

Video Object Tracking And Analysis For Computer Assisted Surgery

Pedicle screw insertion technique has made revolution in the surgical treatment of spinal fractures and spinal disorders. Although X- ray fluoroscopy based navigation is popular, there is risk of prolonged exposure to X- ray radiation. Systems that have lower radiation risk are generally quite expensive. The position and orientation of the drill is clinically very important in pedicle screw fixation. In this paper, the position and orientation of the marker on the drill is determined using pattern recognition based methods, using geometric features, obtained from the input video sequence taken from CCD camera. A search is then performed on the video frames after preprocessing, to obtain the exact position and orientation of the drill. An animated graphics, showing the instantaneous position and orientation of the drill is then overlaid on the processed video for real time drill control and navigation

Neuartige Verfahren für die Überwachung und Diagnose von aktiv magnetgelagerten rotierenden Maschinen

Mit aktiven Magnetlagern ist es möglich, rotierende Körper durch magnetische Felder berührungsfrei zu lagern. Systembedingt sind bei aktiv magnetgelagerten Maschinen wesentliche Signale ohne zusätzlichen Aufwand an Messtechnik für Diagnoseaufgaben verfügbar. In der Arbeit wird ein Konzept entwickelt, das durch Verwendung der systeminhärenten Signale eine Diagnose magnetgelagerter rotierender Maschinen ermöglicht und somit neben einer kontinuierlichen Anlagenüberwachung eine schnelle Bewertung des Anlagenzustandes gestattet. Fehler können rechtzeitig und ursächlich in Art und Größe erkannt und entsprechende Gegenmaßnahmen eingeleitet werden. Anhand der erfassten Signale geschieht die Gewinnung von Merkmalen mit signal- und modellgestützten Verfahren. Für den Magnetlagerregelkreis erfolgen Untersuchungen zum Einsatz modellgestützter Parameteridentifikationsverfahren, deren Verwendbarkeit wird bei der Diagnose am Regler und Leistungsverstärker nachgewiesen. Unter Nutzung von Simulationsmodellen sowie durch Experimente an Versuchsständen werden die Merkmalsverläufe im normalen Referenzzustand und bei auftretenden Fehlern aufgenommen und die Ergebnisse in einer Wissensbasis abgelegt. Diese dient als Grundlage zur Festlegung von Grenzwerten und Regeln für die Überwachung des Systems und zur Erstellung wissensbasierter Diagnosemodelle. Bei der Überwachung werden die Merkmalsausprägungen auf das Überschreiten von Grenzwerten überprüft, Informationen über erkannte Fehler und Betriebszustände gebildet sowie gegebenenfalls Alarmmeldungen ausgegeben. Sich langsam anbahnende Fehler können durch die Berechnung der Merkmalstrends mit Hilfe der Regressionsanalyse erkannt werden. Über die bisher bei aktiven Magnetlagern übliche Überwachung von Grenzwerten hinaus erfolgt bei der Fehlerdiagnose eine Verknüpfung der extrahierten Merkmale zur Identifizierung und Lokalisierung auftretender Fehler. Die Diagnose geschieht mittels regelbasierter Fuzzy-Logik, dies gestattet die Einbeziehung von linguistischen Aussagen in Form von Expertenwissen sowie die Berücksichtigung von Unbestimmtheiten und ermöglicht damit eine Diagnose komplexer Systeme. Für Aktor-, Sensor- und Reglerfehler im Magnetlagerregelkreis sowie Fehler durch externe Kräfte und Unwuchten werden Diagnosemodelle erstellt und verifiziert. Es erfolgt der Nachweis, dass das entwickelte Diagnosekonzept mit beherrschbarem Rechenaufwand korrekte Diagnoseaussagen liefert. Durch Kaskadierung von Fuzzy-Logik-Modulen wird die Transparenz des Regelwerks gewahrt und die Abarbeitung der Regeln optimiert. Endresultat ist ein neuartiges hybrides Diagnosekonzept, welches signal- und modellgestützte Verfahren der Merkmalsgewinnung mit wissensbasierten Methoden der Fehlerdiagnose kombiniert. Das entwickelte Diagnosekonzept ist für die Anpassung an unterschiedliche Anforderungen und Anwendungen bei rotierenden Maschinen konzipiert.

Verfahren zur echtzeitfähigen Simulation dynamischer Emissionsverläufe ausgewählter Schadstoffe von Ottomotoren

Im Rahmen dieser Arbeit werden Modellbildungsverfahren zur echtzeitfähigen Simulation wichtiger Schadstoffkomponenten im Abgasstrom von Verbrennungsmotoren vorgestellt. Es wird ein ganzheitlicher Entwicklungsablauf dargestellt, dessen einzelne Schritte, beginnend bei der Ver-suchsplanung über die Erstellung einer geeigneten Modellstruktur bis hin zur Modellvalidierung, detailliert beschrieben werden. Diese Methoden werden zur Nachbildung der dynamischen Emissi-onsverläufe relevanter Schadstoffe des Ottomotors angewendet. Die abgeleiteten Emissionsmodelle dienen zusammen mit einer Gesamtmotorsimulation zur Optimierung von Betriebstrategien in Hybridfahrzeugen. Im ersten Abschnitt der Arbeit wird eine systematische Vorgehensweise zur Planung und Erstellung von komplexen, dynamischen und echtzeitfähigen Modellstrukturen aufgezeigt. Es beginnt mit einer physikalisch motivierten Strukturierung, die eine geeignete Unterteilung eines Prozessmodells in einzelne überschaubare Elemente vorsieht. Diese Teilmodelle werden dann, jeweils ausgehend von einem möglichst einfachen nominalen Modellkern, schrittweise erweitert und ermöglichen zum Abschluss eine robuste Nachbildung auch komplexen, dynamischen Verhaltens bei hinreichender Genauigkeit. Da einige Teilmodelle als neuronale Netze realisiert werden, wurde eigens ein Verfah-ren zur sogenannten diskreten evidenten Interpolation (DEI) entwickelt, das beim Training einge-setzt, und bei minimaler Messdatenanzahl ein plausibles, also evidentes Verhalten experimenteller Modelle sicherstellen kann. Zum Abgleich der einzelnen Teilmodelle wurden statistische Versuchs-pläne erstellt, die sowohl mit klassischen DoE-Methoden als auch mittels einer iterativen Versuchs-planung (iDoE ) generiert wurden. Im zweiten Teil der Arbeit werden, nach Ermittlung der wichtigsten Einflussparameter, die Model-strukturen zur Nachbildung dynamischer Emissionsverläufe ausgewählter Abgaskomponenten vor-gestellt, wie unverbrannte Kohlenwasserstoffe (HC), Stickstoffmonoxid (NO) sowie Kohlenmono-xid (CO). Die vorgestellten Simulationsmodelle bilden die Schadstoffkonzentrationen eines Ver-brennungsmotors im Kaltstart sowie in der anschließenden Warmlaufphase in Echtzeit nach. Im Vergleich zur obligatorischen Nachbildung des stationären Verhaltens wird hier auch das dynami-sche Verhalten des Verbrennungsmotors in transienten Betriebsphasen ausreichend korrekt darge-stellt. Eine konsequente Anwendung der im ersten Teil der Arbeit vorgestellten Methodik erlaubt, trotz einer Vielzahl von Prozesseinflussgrößen, auch hier eine hohe Simulationsqualität und Ro-bustheit. Die Modelle der Schadstoffemissionen, eingebettet in das dynamische Gesamtmodell eines Ver-brennungsmotors, werden zur Ableitung einer optimalen Betriebsstrategie im Hybridfahrzeug ein-gesetzt. Zur Lösung solcher Optimierungsaufgaben bieten sich modellbasierte Verfahren in beson-derer Weise an, wobei insbesondere unter Verwendung dynamischer als auch kaltstartfähiger Mo-delle und der damit verbundenen Realitätsnähe eine hohe Ausgabequalität erreicht werden kann.

Clay pot irrigation for tomato (Lycopersicon esculentum Mill) production in the north east semiarid region of Ethiopia

Water shortage is one of the major constraints for production of horticultural crops in arid and semiarid regions. A field experiment was conducted to determine irrigation water and fertilizer use efficiency, growth and yield of tomato under clay pot irrigation at the experimental site of Sekota Dryland Agricultural Research Center, Lalibela, Ethiopia in 2009/10. The experiment comprised of five treatments including furrow irrigated control and clay pot irrigation with different plant population and fertilization methods, which were arranged in Randomized Complete Block Design with three replications. The highest total and marketable fruit yields were obtained from clay pot irrigation combined with application of nitrogen fertilizer with irrigation water irrespective of difference in plant population. The clay pot irrigation had seasonal water use of up to 143.71 mm, which resulted in significantly higher water use efficiency (33.62 kg m^-3) as compared to the furrow irrigation, which had a seasonal water use of 485.50 mm, and a water use efficiency of 6.67 kg m^-3. Application of nitrogen fertilizer with irrigation water in clay pots improved fertilizer use efficiency of tomato by up to 52% than band application with furrow or clay pot irrigation. Thus, clay pot irrigation with 33,333 plants ha^-1 and nitrogen fertilizer application with irrigation water in clay pots was the best method for increasing the yield of tomato while economizing the use of water and nitrogen fertilizer in a semiarid environment.

Meshing highly regular structures: The case of super carbon nanotubes of arbitrary order

Mesh generation is an important step inmany numerical methods.We present the “HierarchicalGraphMeshing” (HGM)method as a novel approach to mesh generation, based on algebraic graph theory.The HGM method can be used to systematically construct configurations exhibiting multiple hierarchies and complex symmetry characteristics. The hierarchical description of structures provided by the HGM method can be exploited to increase the efficiency of multiscale and multigrid methods. In this paper, the HGMmethod is employed for the systematic construction of super carbon nanotubes of arbitrary order, which present a pertinent example of structurally and geometrically complex, yet highly regular, structures. The HGMalgorithm is computationally efficient and exhibits good scaling characteristics. In particular, it scales linearly for super carbon nanotube structures and is working much faster than geometry-based methods employing neighborhood search algorithms. Its modular character makes it conducive to automatization. For the generation of a mesh, the information about the geometry of the structure in a given configuration is added in a way that relates geometric symmetries to structural symmetries. The intrinsically hierarchic description of the resulting mesh greatly reduces the effort of determining mesh hierarchies for multigrid and multiscale applications and helps to exploit symmetry-related methods in the mechanical analysis of complex structures.