Show simple item record

dc.contributor.authorAlkhouri, Georges
dc.contributor.authorWilke, Moritz
dc.contributor.editorMeyer, Holger
dc.contributor.editorRitter, Norbert
dc.contributor.editorThor, Andreas
dc.contributor.editorNicklas, Daniela
dc.contributor.editorHeuer, Andreas
dc.contributor.editorKlettke, Meike
dc.date.accessioned2019-04-15T11:40:39Z
dc.date.available2019-04-15T11:40:39Z
dc.date.issued2019
dc.identifier.isbn978-3-88579-684-8
dc.identifier.issn1617-5468
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/21823
dc.description.abstractFeinstaubbelastung 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.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofBTW 2019 – Workshopband
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) – Proceedings, Volume P-290
dc.subjectData Science Challenge
dc.subjectBig Data Analytics
dc.subjectFeinstaub
dc.titleDeep Learning zur Vorhersage von Feinstaubbelastungde
mci.reference.pages305-308
mci.conference.sessiontitleData Science Challenge 2019
mci.conference.locationRostock
mci.conference.date4.-8. März 2019
dc.identifier.doi10.18420/btw2019-ws-35


Files in this item

Thumbnail

Show simple item record