Deep Learning zur Vorhersage von Feinstaubbelastung
| dc.contributor.author | Alkhouri, Georges | |
| dc.contributor.author | Wilke, Moritz | |
| dc.contributor.editor | Meyer, Holger | |
| dc.contributor.editor | Ritter, Norbert | |
| dc.contributor.editor | Thor, Andreas | |
| dc.contributor.editor | Nicklas, Daniela | |
| dc.contributor.editor | Heuer, Andreas | |
| dc.contributor.editor | Klettke, Meike | |
| dc.date.accessioned | 2019-04-15T11:40:39Z | |
| dc.date.available | 2019-04-15T11:40:39Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | 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. | de |
| dc.identifier.doi | 10.18420/btw2019-ws-35 | |
| dc.identifier.isbn | 978-3-88579-684-8 | |
| dc.identifier.pissn | 1617-5468 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/21823 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik, Bonn | |
| dc.relation.ispartof | BTW 2019 – Workshopband | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) – Proceedings, Volume P-290 | |
| dc.subject | Data Science Challenge | |
| dc.subject | Big Data Analytics | |
| dc.subject | Feinstaub | |
| dc.title | Deep Learning zur Vorhersage von Feinstaubbelastung | de |
| gi.citation.endPage | 308 | |
| gi.citation.startPage | 305 | |
| gi.conference.date | 4.-8. März 2019 | |
| gi.conference.location | Rostock | |
| gi.conference.sessiontitle | Data Science Challenge 2019 |
Dateien
Originalbündel
1 - 1 von 1