API src

Found 64 results.

Similar terms

s/big dat/Big Data/gi

Other language confidence: 0.5793355947753495

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben B

Integration von Qualitätsparametern bei der Energieoptimierung von Wassergewinnungen - Entwicklung eines ganzheitlichen Optimierungsansatzes

In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.

Eine Deep Learning Analysemethode für die großräumige automatisierte Erkennung einzelner Baumkronen und die Klassifizierung von Baumarten (ML4iTree =Machine Learning for identification of Tree species)

Die Wälder in Mitteleuropa sind drastischen Veränderungen unterworfen, die sich in (1) allmählichen Veränderungen der Standortbedingungen (veränderte Niederschlags- und Temperaturmuster, atmosphärische Einflüsse) und (2) einer zunehmenden Zahl abiotischer und biotischer Katastrophen manifestieren. Die Waldforschung sucht nach Möglichkeiten, wie auf diese beispiellosen Herausforderungen reagiert und das Wald- und Ökosystem-Management angepasst werden kann. Genaue und zeitnahe Informationen über den Zustand und die Veränderungen der Wälder sind eine unabdingbare Voraussetzung für eine solche Anpassung. Allerdings gibt es vielfältige methodische Fragen zum großflächigen Monitoring einzelner Bäume, für die immer mehr hochauflösende Fernerkundungsbilder zur Verfügung stehen und entsprechende Analysemöglichkeiten bieten.Die großen Datenmengen, die bei der Arbeit mit hochauflösenden Bildern auf größeren Flächen anfallen, lassen herkömmliche Klassifizierungsansätze scheitern. In diesem Projekt wer-den wir Techniken des "Deep Learning" insbesondere faltungsbasierte neuronale Netze für das großflächige Waldmonitoring adaptieren und anwenden, um gleichzeitig (1) einzelne Bäume zu identifizieren und (2) ihre Art zu bestimmen. Bisher wird dies üblicherweise in zwei Schritten mit zwei verschiedenen Fernerkundungsdatenquellen durchgeführt. Wir planen, mit nur einer Datenquelle zu arbeiten: hochauflösende optische Bilder, ohne die Notwendigkeit, zunächst Lidar-Daten zu analysieren, die für größere Gebiete kostspielig sind. Aus eigenen und zusätzlichen optischen Bilddatensätzen sowie umfangreichen Referenzdaten werden wir (1) einen großen Datensatz umklassifizierter Bilder und (2) einen annotierten Trainingsdatensatz zu Baumarten für mitteleuropäische Baumarten erstellen. Dieser kann nach und nach erweitert werden und anderen Forscherteams als Grundlage für weitere Deep-Learning-Anwendungen in der Forstwirtschaft zur Verfügung gestellt werden. Wir werden einen Methoden-Werkzeugkasten für die großflächige Kartierung einzelner Baumarten entwickeln, der bei Verfügbarkeit der entsprechenden Bilder auf ganze Länder angewandt werden kann.Wir bündeln in diesem Antrag die Expertise aus den Bereichen Waldmonitoring (PI Kleinn) und Datenwissenschaften (PI Ecker) und reagieren auf aktuelle Politiken von BMEL (Waldzu-standsüberwachung) und BMBF (Förderung von Anwendungen der künstlichen Intelligenz).Unsere Forschung wird die methodischen Grundlagen für effizientere Monitoringsysteme weiter entwickeln und damit zur Anpassung der Waldökosystembewirtschaftung an den Klimawandel beitragen; sie schafft ein Beispiel für die Anwendung von Deep Learning für das großräumige Waldmonitoring.

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben I

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben F

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben K

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben H

Datengetriebene und genom-editierte Züchtung lokal angepasster Weizensorten zur Steigerung der Agrarbiodiversität, der nachhaltigen Klimaresistenz und der Ressourceneffizienz, Teilvorhaben E

Von Kohlenhydraten aus sekundären Rohstoffquellen zu Chemierohstoffen, CARBO-DIOL2.0 - Von Kohlenhydraten aus sekundären Rohstoffquellen zu Chemierohstoffen

Integration von Qualitätsparametern bei der Energieoptimierung von Wassergewinnungen - Entwicklung eines ganzheitlichen Optimierungsansatzes, Teilvorhaben: Hydraulische Optimierung

In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.

1 2 3 4 5 6 7