API src

Found 1291 results.

Similar terms

s/maschinelles-lernen/Maschinelles Lernen/gi

Stündliche Stationsmessungen der Lufttemperatur und Luftfeuchte für Deutschland

Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.

Digitale Transformation in der Polymerverarbeitung: Interoperabilität und Lösungen des maschinellen Lernens zur Prozessoptimierung und Nachhaltigkeitssteigerung im industriellen Umfeld (DIPONI), Teilvorhaben: Kautschukspezifische Ontologie und Aufbau einer graphenbasierten Datenbank

KI gestützte Produktionsplanung und -steuerung für die Oberflächentechnik, KI-PrOT: KI gestützte Produktionsplanung und -steuerung für die Oberflächentechnik

Digitale Transformation in der Polymerverarbeitung: Interoperabilität und Lösungen des maschinellen Lernens zur Prozessoptimierung und Nachhaltigkeitssteigerung im industriellen Umfeld (DIPONI), Teilvorhaben: Inline-Indentor

KI gegen den Klimawandel: Forschungsprojekt im Fraunhofer Institut zum optimierten Energiemanagement

Einsatz von Künstlicher Intelligenz (KI) in der Forschung zum Klimawandel, Projekt des Frauenhofer Instituts für Techno- und Wirtschaftsmathematik (ITWM) zum optimierten Energiemanagement, Ziel höherer Anteil an erneuerbaren Energien am Energiemarkt; Berichterstattung der Landesregierung im Ausschuss für Digitalisierung, digitale Infrastruktur und Medien

Development of an indicatory system for degradation stages of kettle-hole mires by means of ground beetles and spiders

Due to mostly anthropogenic influence mires in Central Europe are undergoing rapid succession. We tried to indicate five degradation stages of a peculiar type of mires, so-called kettle-hole mires, which are located in the region of terminal moraines left by the pleistocene glaciation until 10,000 B.P. Using a database of more than 12,000 ground beetles belonging to more than 100 species sampled in 25 sites of various degradation, we tried to construct a bioindicatory system by the use of machine learning techniques. Model-tree induction yielded a classifier consisting of three decision-trees which was moderately successful in classifying mires into the correct degradation stage by using information about only nine species, thus breaking down the biotic information to a necessary minimum and creating an extremely parsimonious model. A translation of the decision-trees into fuzzy rule-based models increased bioindicatory efficiency: only one of ten unseen cases used for validation deviated more than one class from the correct degradation stage. At the moment, this model reflects a static picture of kettle-hole mire degradation, confirming what can be said upon macroscopic examination. Future studies must show whether also the more subtle dynamic aspects of mire degradation can be indicated by ground beetle occurrence.

NWG_KUG: Vorhersage von Pollenallergiesymptomen und des Auftretens neuer Allergene aufgrund von Biodiversitätsveränderungen (POLARISE), Erhebung von Biomarkerdaten

Optimierte Verfahren zur Prognose vertikaler Netzlast unter Nutzung von maschinellem Lernen, Teilvorhaben: Opti-VNL-UQ+ Unsicherheitsquantifizierung für die optimierte Prognose der vertikalen Netzlast

Für effektive Planungsprozesse in elektrischen Netzen ist eine zuverlässige Vorausschau auf die Netzsituation von großer Bedeutung. Ein zentrales Element ist dabei die Vorhersage der vertikalen Netzlast (VNL), die Lastflüsse an den Transformatoren der Umspannung zwischen den Netzebenen als Planungsgröße ermittelt. Diese Prognose bildet eine Eingangsgröße für die Netzzustandsanalyse. Sollte ein Engpass identifiziert werden, kommt es zu Maßnahmen zur Behebung des Netzengpasses wie z.B. Redispatch. Diese lösen in der Folge weitere energiewirtschaftliche Prozesse aus. Zu betonen ist, dass eine frühzeitige Erkennung von Engpasssituationen dem Netzbetreiber hilft, die erforderlichen Maßnahmen zeitlich, örtlich und mengenmäßig präzise zu bestimmen und eine Über-Abregelung insbesondere der erneuerbaren Energien zu vermeiden. In diesem Projekt soll eine neue Methode zur Vorhersage der vertikalen Netzlast an Umspanntransformatoren entwickelt, erprobt und in Anwendungen implementiert werden. Durch hinreichende Kenntnis über die vertikale Netzlast lassen sich Transferbedarfe in der Übertragungsebene besser vorhersagen und auch die Netzebeneninterne Leistungsbilanz präziser abschätzen. Eine Optimierung dieses Prozesses kann die Folgekosten des Redispatchs mindern. Die Ergebnisse z. B. in Form des erweiterten Methodenwissens sind auch auf weitere Bereiche der Netzführung, wie z.B. einer belastungsabhängigen Betriebsmittelverwaltung übertragbar. In der konkreten Umsetzung im Projekt werden neue Methoden an einer Referenzumgebung, die zu Beginn des Vorhabens als ein digitales Modell einer typischen Verteilnetzumgebung definiert wird, entwickelt und getestet. Die Univ. Oldenburg arbeitet insbesondere mit an der Entwicklung einer Referenz- und Testumgebung für unterschiedliche physikalisch-basierte sowie Machine-Learning-Modellansätze und entwickelt zur Verlässlichkeitssteigerung der VNL-Vorhersage neuartige Methoden zur Unsicherheitsquantifizierung.

Grundwasserüberschwemmungen: Entwicklung eines Ansatzes zur Risikobewertung und -kommunikation

Zielsetzung Die zunehmende Häufigkeit extremer Wetterereignisse lenkt die Aufmerksamkeit auf Grundhochwasser, das durch steigendes Grundwasser entsteht und erhebliche Schäden an Infrastruktur, Gebäuden und Umwelt verursachen kann. Im Gegensatz zu fluvialen oder pluvialen Hochwassern ist Grundhochwasser schwer zu erkennen und mit traditionellen Schutzmaßnahmen nicht leicht zu bewältigen. Numerische Modelle, insbesondere probabilistische Ansätze wie die Bayessche Inferenz, helfen, Unsicherheiten in der Modellierung und Vorhersage besser zu quantifizieren. Hochwasserrisikokarten sind essenziell für das Management von Grundhochwasser. Allerdings fehlen oft präzise Unsicherheitsanalysen, was durch datengetriebene Ansätze wie maschinelles Lernen verbessert werden könnte. Citizen Science und kostengünstige Sensoren können ebenfalls beitragen, indem sie Datenlücken schließen und die öffentliche Beteiligung fördern. Diese Studie präsentiert ein Rahmenwerk zur Bewertung der Anfälligkeit für Grundhochwasser, das Unsicherheiten berücksichtigt und probabilistische Karten erstellt. Anhand eines Fallbeispiels in Garching 2023 wird gezeigt, wie Modellierungstools effektiv eingesetzt werden können. Abschließend wird vorgeschlagen, Monitoring-Tools und Bürgerbeteiligung auszubauen, um die Risikokommunikation zu stärken, das Bewusstsein zu erhöhen und Maßnahmen zum Grundhochwasserschutz besser zu verankern.

KI unterstützte Kommunikationstechnologien zur dynamischen Optimierung von Mobilität und Energiespeichern zur Frequenzstabilisierung und Energieversorgung, Teilvorhaben SachsenNetze: Konzepterstellung Frequenzstabilisierung aus dem Verteilnetz

Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, Microgrid, entworfen. Im Anschluss werden Mobilitätsalgorithmen für die Nutzung von batterieelektrischen Fahrzeugen als mobile Energiespeicher entwickelt, die temporäre Selbstversorgung von Teilnetzen ermöglichen. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet und anhand des dadurch erarbeiteten Know-hows weiter verbessert. Das übergeordnete Ziel des Projektes DymoBat ist die Entwicklung von marktfähigen Lösungen für die zukünftige Stromnetzverwaltung zur Nutzung von verteilten Energieressourcen auf Basis der Anwendung von 5G-Technologien.

1 2 3 4 5 … 128 129 130