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. Ausgangslage und ProblemstellungVerstopfung oder Überlaufen von Abwasserkanälen kann zu hohen Folgekosten führen. Daher ist es wünschenswert, im Voraus gewarnt zu werden, falls ein Verstopfen / Überlaufen droht, sodass rechtzeitig geeignete Gegenmassnahmen getroffen werden können. Daher haben wir in einem laufenden Forschungsprojekt, mehrere Abwasserschächte mit Sensoren ausgestattet, die den Wasserpegel laufend überwachen und die als Basis für ein Pegelstandsvorhersagesystem dienen sollen. Ziel der Arbeit und erwartete ResultateDeep 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.Die Studenten müssen ausserdem im Laufe des Projekts eine Dokumentation erstellen.Die Dokumentation soll ein Fachkonzept, ein Software-Design-Konzept und eine Benutzerdokumentation enthalten. Das Fachkonzept beschreibt die Problemstellung und das Vorgehensmodell ohne Verwendung von IT-Modellen oder Programmcode.Das Design-Konzept beschreibt ein zur Problemstellung passendes Software-Design. Die Konzepte aus dem Fachkonzept sollen darin noch detaillierter beschrieben und auf IT-technische Umsetzung untersucht werden. Das Design-Konzept soll auch UML-Diagramme (beispielsweise Klassendiagramm, Aktivitätsdiagramm, Interaktionsdiagramm, Komponentendiagramm) enthalten, die helfen, das Design zu verdeutlichen. Das verwendete Software-Entwicklungsmodell (Wasserfall, Scrum, etc.) ist den Studenten dabei freigestellt. Die Benutzerdokumentation beschreibt die Installation, die Bedienung, die Abhängigkeiten von Softwarebibliotheken.Gewünschte Methoden / VorgehenDas folgende Vorgehensmodell ist zu wählen:- Einarbeiten in neuronale Seq2Seq-Modelle. Eine gute Anlaufstelle ist dafür der Kurs: https://www.coursera.org/learn/nlp-sequence-models?specialization=deep-learning - Einarbeiten in ein geeignetes Deep Learning-Framework wie pytorch, tensorflow oder mxnet - Entwicklung eines Deep Learning-Sequenzmodells wie LSTM, GRU oder Transformer - Trainieren des Modells mit den Wasserpegeln- Durchführung einer Evaluation (R^2, RMSE)Ausserdem ist während der Projektarbeit ein persönliches Arbeitsjournal zu führen und dem/der Dozenten/in regelmässig zukommen zu lassen. Ein Arbeitsjournaleintrag beinhaltet zumindest Datum, Anzahl Stunden, Arbeitsschritt/Thema und allenfalls Bemerkungen (Probleme, Fragestellungen, Zwischenergebnisse…). Das Arbeitsjournal ersetzt nicht die Projektplanung. Planung, Organisation, Risikomanagement sind Teil der Aufgabe und werden von dem Studenten wahrgenommen. Besprechungstermine mit dem Betreuer werden individuell vereinbart. Dazu ist dem Dozierenden regelmässig am Vorabend vor einer Besprechung ein kurzer Status-Report (maximal 1 Seite) zukommen zu lassen, welcher stichwortartig über folgende drei Punkte Auskunft gibt:· Welche Arbeiten wurden in der letzten Berichtsperiode ausgeführt, welche Arbeiten sind für die nächste Periode vorgesehen.· Stand der Arbeiten (Soll- / Ist-Vergleich mit der Planung), ggf. Begründung von Abweichungen.· Top-drei Risiken inkl. geplanter Massnahmen. Kreativität, Varianten, InnovationDie Wahl des Sequenzmodells, der Features sowie des Deep Learning-Frameworks ist dem Studenten freigestellt.

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

Verstopfung oder Überlaufen von Abwasserkanälen kann zu hohen Folgekosten führen. Daher ist es wünschenswert, im Voraus gewarnt zu werden, falls ein Verstopfen / Überlaufen droht, sodass rechtzeitig geeignete Gegenmassnahmen getroffen werden können.

Daher haben wir in einem laufenden Forschungsprojekt, mehrere Abwasserschächte mit Sensoren ausgestattet, die den Wasserpegel laufend überwachen und die als Basis für ein Pegelstandsvorhersagesystem dienen sollen.

Ziel der Arbeit und erwartete Resultate

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.

Die Studenten müssen ausserdem im Laufe des Projekts eine Dokumentation erstellen.

Die Dokumentation soll ein Fachkonzept, ein Software-Design-Konzept und eine Benutzerdokumentation enthalten. Das Fachkonzept beschreibt die Problemstellung und das Vorgehensmodell ohne Verwendung von IT-Modellen oder Programmcode.

Das Design-Konzept beschreibt ein zur Problemstellung passendes Software-Design. Die Konzepte aus dem Fachkonzept sollen darin noch detaillierter beschrieben und auf IT-technische Umsetzung untersucht werden. Das Design-Konzept soll auch UML-Diagramme (beispielsweise Klassendiagramm, Aktivitätsdiagramm, Interaktionsdiagramm, Komponentendiagramm) enthalten, die helfen, das Design zu verdeutlichen. Das verwendete Software-Entwicklungsmodell (Wasserfall, Scrum, etc.) ist den Studenten dabei freigestellt.

Die Benutzerdokumentation beschreibt die Installation, die Bedienung, die Abhängigkeiten von Softwarebibliotheken.

Gewünschte Methoden / Vorgehen

Das folgende Vorgehensmodell ist zu wählen:

- Einarbeiten in neuronale Seq2Seq-Modelle. Eine gute Anlaufstelle ist dafür der Kurs: https://www.coursera.org/learn/nlp-sequence-models?specialization=deep-learning

- Einarbeiten in ein geeignetes Deep Learning-Framework wie pytorch, tensorflow oder mxnet

- Entwicklung eines Deep Learning-Sequenzmodells wie LSTM, GRU oder Transformer

- Trainieren des Modells mit den Wasserpegeln

- Durchführung einer Evaluation (R^2, RMSE)

Ausserdem ist während der Projektarbeit ein persönliches Arbeitsjournal zu führen und dem/der Dozenten/in regelmässig zukommen zu lassen. Ein Arbeitsjournaleintrag beinhaltet zumindest Datum, Anzahl Stunden, Arbeitsschritt/Thema und allenfalls Bemerkungen (Probleme, Fragestellungen, Zwischenergebnisse…). Das Arbeitsjournal ersetzt nicht die Projektplanung.

Planung, Organisation, Risikomanagement sind Teil der Aufgabe und werden von dem Studenten wahrgenommen.

Besprechungstermine mit dem Betreuer werden individuell vereinbart. Dazu ist dem Dozierenden regelmässig am Vorabend vor einer Besprechung ein kurzer Status-Report (maximal 1 Seite) zukommen zu lassen, welcher stichwortartig über folgende drei Punkte Auskunft gibt:

· Welche Arbeiten wurden in der letzten Berichtsperiode ausgeführt, welche Arbeiten sind für die nächste Periode vorgesehen.

· Stand der Arbeiten (Soll- / Ist-Vergleich mit der Planung), ggf. Begründung von Abweichungen.

· Top-drei Risiken inkl. geplanter Massnahmen.

Kreativität, Varianten, Innovation

Die Wahl des Sequenzmodells, der Features sowie des Deep Learning-Frameworks ist dem Studenten freigestellt.

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.