Logo des Repositoriums
 
Textdokument

Deep Learning zur Vorhersage von Feinstaubbelastung

Lade...
Vorschaubild

Volltext URI

Dokumententyp

Zusatzinformation

Datum

2019

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik, Bonn

Zusammenfassung

Feinstaubbelastung steht seit einiger Zeit in der öffentlichen Debatte und stellt mir hoher Wahrscheinlichkeit ein großes Gesundheitsrisiko dar. Laut WHO [Or06] kann die Redu-zierung von Feinstaub zur Senkung verschiedener Krankheiten, wie bspw. Herzinfarkten, Lungenkrebs und asmathischen Erkankungen dienen. Deswegen werden von der Organisa-tion Tagesgrenzwerte von 25 μg/m 3 für Partikel um 2,5 μm (PM2,5) und 50 μg/m 3 für Partikel um 10 μm (PM10) empfohlen. In diesem Beitrag zur Data Science Challenge soll gezeigt werden, wie die vorhandenen Feinstaubsensoren in der Stadt Leipzig genutzt werden können, um zukünftige Werte vorherzusagen.3 Eine solche Vorhersage könnte nicht nur zur Warnung dienen, sondern auch Grundlage für kurzfristige Gegenmaßnahmen (bspw. den Wechsel auf ÖPNV) bilden.

Beschreibung

Alkhouri, Georges; Wilke, Moritz (2019): Deep Learning zur Vorhersage von Feinstaubbelastung. BTW 2019 – Workshopband. DOI: 10.18420/btw2019-ws-35. Gesellschaft für Informatik, Bonn. PISSN: 1617-5468. ISBN: 978-3-88579-684-8. pp. 305-308. Data Science Challenge 2019. Rostock. 4.-8. März 2019

Zitierform

Tags