Feature-basiertes Clustering von Umweltzeitreihen mit Self-Organizing-Map-Ensembles
| dc.contributor.author | Wunsch, Andreas | |
| dc.contributor.author | Liesch, Tanja | |
| dc.contributor.author | Broda, Stefan | |
| dc.contributor.editor | Reussner, Ralf H. | |
| dc.contributor.editor | Koziolek, Anne | |
| dc.contributor.editor | Heinrich, Robert | |
| dc.date.accessioned | 2021-01-27T13:34:41Z | |
| dc.date.available | 2021-01-27T13:34:41Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Die Zeitreihenanalyse ist für Umweltwissenschaften ein wichtiges Werkzeug, um Systeme zu charakterisieren, da sich in den Zeitreihen Signale, welche von unterschiedlichen Einflussgrößen herrühren, wiederfinden lassen. Ein Clustering kann helfen ähnliche Dynamiken zu gruppieren um so entsprechende Einflussgrößen zu erkennen und deren Einflussbereich zu charakterisieren. Wir stellen einen unüberwachten Ensemble-Modellierungsansatz für das Clustering von Umweltzeitreihen auf der Grundlage ihrer Dynamik vor. Der Feature-basierte Ansatz erlaubt es auch heterogene Datensätze zu nutzen, das Clustering der Features erfolgt schließlich auf der Basis von Self-Organizing-Maps. Der Ensemble-Ansatz reduziert die Willkür bei der Featureauswahl und erhöht die Robustheit des Endergebnisses. Die Ergebnisse einer beispielhaften Anwendung im Grundwasserbereich zeigen, dass die vorgestellte Methodik adaptiv in der Lage ist, homogene Gruppen von Zeitreihen-Dynamiken zu identifizieren. | de |
| dc.identifier.doi | 10.18420/inf2020_98 | |
| dc.identifier.isbn | 978-3-88579-701-2 | |
| dc.identifier.pissn | 1617-5468 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/34812 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik, Bonn | |
| dc.relation.ispartof | INFORMATIK 2020 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-307 | |
| dc.subject | Time Series Clustering | |
| dc.subject | Environmental Time Series | |
| dc.subject | SOM | |
| dc.subject | Ensemble Modelling | |
| dc.subject | Feature Clustering | |
| dc.subject | Groundwater | |
| dc.title | Feature-basiertes Clustering von Umweltzeitreihen mit Self-Organizing-Map-Ensembles | de |
| gi.citation.endPage | 1041 | |
| gi.citation.startPage | 1035 | |
| gi.conference.date | 28. September - 2. Oktober 2020 | |
| gi.conference.location | Karlsruhe | |
| gi.conference.sessiontitle | Künstliche Intelligenz in der Umweltinformatik |
Dateien
Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
- Name:
- C21-4.pdf
- Größe:
- 1.42 MB
- Format:
- Adobe Portable Document Format