Deep Learning zur Vorhersage von Feinstaubbelastung
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.
- Vollständige Referenz
- BibTeX
Alkhouri, G. & Wilke, M.,
(2019).
Deep Learning zur Vorhersage von Feinstaubbelastung.
In:
Meyer, H., Ritter, N., Thor, A., Nicklas, D., Heuer, A. & Klettke, M.
(Hrsg.),
BTW 2019 – Workshopband.
Gesellschaft für Informatik, Bonn.
(S. 305-308).
DOI: 10.18420/btw2019-ws-35
@inproceedings{mci/Alkhouri2019,
author = {Alkhouri, Georges AND Wilke, Moritz},
title = {Deep Learning zur Vorhersage von Feinstaubbelastung},
booktitle = {BTW 2019 – Workshopband},
year = {2019},
editor = {Meyer, Holger AND Ritter, Norbert AND Thor, Andreas AND Nicklas, Daniela AND Heuer, Andreas AND Klettke, Meike} ,
pages = { 305-308 } ,
doi = { 10.18420/btw2019-ws-35 },
publisher = {Gesellschaft für Informatik, Bonn},
address = {}
}
author = {Alkhouri, Georges AND Wilke, Moritz},
title = {Deep Learning zur Vorhersage von Feinstaubbelastung},
booktitle = {BTW 2019 – Workshopband},
year = {2019},
editor = {Meyer, Holger AND Ritter, Norbert AND Thor, Andreas AND Nicklas, Daniela AND Heuer, Andreas AND Klettke, Meike} ,
pages = { 305-308 } ,
doi = { 10.18420/btw2019-ws-35 },
publisher = {Gesellschaft für Informatik, Bonn},
address = {}
}
Sollte hier kein Volltext (PDF) verlinkt sein, dann kann es sein, dass dieser aus verschiedenen Gruenden (z.B. Lizenzen oder Copyright) nur in einer anderen Digital Library verfuegbar ist. Versuchen Sie in diesem Fall einen Zugriff ueber die verlinkte DOI: 10.18420/btw2019-ws-35
Haben Sie fehlerhafte Angaben entdeckt? Sagen Sie uns Bescheid: Feedback abschicken
Mehr Information
ISBN: 978-3-88579-684-8
ISSN: 1617-5468
Datum: 2019
Sprache:
(de)
