Deep Learning von Pegelständen im Sensornetzwerk

AI Quick Summary

Deep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go. In diesem Projekt soll ein solches neuronales Netz zum Einsatz kommen, um Pegelstände in Abwasserkanälen vorherzusagen. Hohe Pegelstände können darauf hinweisen, dass eine Verstopfung des Kanals droht oder auch dass Fremdwasser in den Kanal eindringt. Eine frühzeitige Erkennung von solchen in der Zukunft drohenden Problemen kann helfen Kosten zu reduzieren und einer möglichen Unbenutzbarkeit des Kanalsystems vorzubeugen. Ausserdem erleichtert es die frühzeitige Planung der notwendigen Wartungsarbeiten. Ausgangslage und ProblemstellungDeep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go. In diesem Projekt soll ein solches neuronales Netz zum Einsatz kommen, um Pegelstände in Abwasserkanälen vorherzusagen. Hohe Pegelstände können darauf hinweisen, dass eine Verstopfung des Kanals droht oder auch dass Fremdwasser in den Kanal eindringt. Eine frühzeitige Erkennung von solchen in der Zukunft drohenden Problemen kann helfen Kosten zu reduzieren und einer möglichen Unbenutzbarkeit des Kanalsystems vorzubeugen. Ausserdem erleichtert es die frühzeitige Planung der notwendigen Wartungsarbeiten.Ziel der Arbeit und erwartete ResultateEs soll ein neuronales Netz trainiert werden, das anhand von Pegelstandsmessungen und festen Einflussfaktoren wie Tageszeit, Wochentag die Pegelstände in der Zukunft vorhersagt. Dabei sollte es auch in der Lage sein, Trends zu erkennen, da ein tendenzielles Anwachsen des Pegelstandes auf Teilverstopfungen oder verstärktes Eindringen von Fremdwasser hinweisen. Zum Einsatz sollten dabei Zeitreihenmodelle wie LSTMs, GRUs oder ähnliches zum Einsatz kommen. Zusätzlich ist eine Evaluation anzufertigen, die die Wirksamkeit der eingesetzten Methoden darlegt.Gewünschte Methoden / Vorgehen- Einarbeitung in neuronale Netze und Zeitreihenmodelle- Auswahl eines passenden Deep Learning-Frameworks- Trainieren eines neuronalen Netzwerkes- Erstellen einer quantitativen und qualititativen EvaluationKreativität, Varianten, InnovationOffenes Denken, vorschlagen mehrerer Varianten, Auswahl des richtigen Zeitreihenmodells und Deep Learning-Frameworks.

Project Idea Metadata

• Project Idea Name: Deep Learning von Pegelständen im Sensornetzwerk
• Date: 11/8/2021 10:02:50 AM
• Administrators:
  • Tim vor der Brück

Project Idea Description

Ausgangslage und Problemstellung

Deep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go.

In diesem Projekt soll ein solches neuronales Netz zum Einsatz kommen, um Pegelstände in Abwasserkanälen vorherzusagen. Hohe Pegelstände können darauf hinweisen, dass eine Verstopfung des Kanals droht oder auch dass Fremdwasser in den Kanal eindringt. Eine frühzeitige Erkennung von solchen in der Zukunft drohenden Problemen kann helfen Kosten zu reduzieren und einer möglichen Unbenutzbarkeit des Kanalsystems vorzubeugen. Ausserdem erleichtert es die frühzeitige Planung der notwendigen Wartungsarbeiten.

Ziel der Arbeit und erwartete Resultate

Es soll ein neuronales Netz trainiert werden, das anhand von Pegelstandsmessungen und festen Einflussfaktoren wie Tageszeit, Wochentag die Pegelstände in der Zukunft vorhersagt. Dabei sollte es auch in der Lage sein, Trends zu erkennen, da ein tendenzielles Anwachsen des Pegelstandes auf Teilverstopfungen oder verstärktes Eindringen von Fremdwasser hinweisen. Zum Einsatz sollten dabei Zeitreihenmodelle wie LSTMs, GRUs oder ähnliches zum Einsatz kommen. Zusätzlich ist eine Evaluation anzufertigen, die die Wirksamkeit der eingesetzten Methoden darlegt.

Gewünschte Methoden / Vorgehen

- Einarbeitung in neuronale Netze und Zeitreihenmodelle

- Auswahl eines passenden Deep Learning-Frameworks

- Trainieren eines neuronalen Netzwerkes

- Erstellen einer quantitativen und qualititativen Evaluation

Kreativität, Varianten, Innovation

Offenes Denken, vorschlagen mehrerer Varianten, Auswahl des richtigen Zeitreihenmodells und Deep Learning-Frameworks.

Deep Learning ist eine Methode des maschinellen Lernens, die in zahlreichen Anwendungsdomänen der Künstlichen Intelligenz zu wichtigen Durchbrüchen geführt hat, wie bei der Objekterkennung, natürlichsprachlichen Dialogsystemen oder Strategiespielen wie Schach oder Go.

In diesem Projekt soll ein solches neuronales Netz zum Einsatz kommen, um Pegelstände in Abwasserkanälen vorherzusagen. Hohe Pegelstände können darauf hinweisen, dass eine Verstopfung des Kanals droht oder auch dass Fremdwasser in den Kanal eindringt. Eine frühzeitige Erkennung von solchen in der Zukunft drohenden Problemen kann helfen Kosten zu reduzieren und einer möglichen Unbenutzbarkeit des Kanalsystems vorzubeugen. Ausserdem erleichtert es die frühzeitige Planung der notwendigen Wartungsarbeiten.