Machine Learning-gestützte Abflussvorhersagen in Abwassernetzen
Sorozatcím: Forschungsreihe der FH Münster;
-
12% KEDVEZMÉNY?
- Kiadói listaár EUR 54.99
-
22 807 Ft (21 721 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 12% (cc. 2 737 Ft off)
- Kedvezményes ár 20 070 Ft (19 114 Ft + 5% áfa)
20 070 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Springer Fachmedien Wiesbaden
- Megjelenés dátuma 2026. április 14.
- ISBN 9783658512132
- Kötéstípus Puhakötés
- Terjedelem129 oldal
- Méret 210x148 mm
- Nyelv német
- Illusztrációk XX, 129 S. 71 Abb., 55 Abb. in Farbe. 700
Kategóriák
Hosszú leírás:
Der Klimawandel stellt die Wasserwirtschaft vor immense Herausforderungen, insbesondere durch Extremwetterereignisse, die weltweit Einfluss auf die Wasserressourcen nehmen. Um diese Herausforderungen zu bewältigen, werden Potenziale in der Nutzung von künstlicher Intelligenz und Machine Learning gesehen. Erfolge konnten bereits in verschiedenen wasserwirtschaftlichen Anwendungen nachgewiesen werden, weshalb Methoden des Machine Learning auch für Abflussvorhersagen in Kanalnetzen vielversprechend scheinen.
Das vorliegende Buch untersucht das Potenzial von Machine Learning zur Vorhersage von Abflüssen in urbanen Kanalnetzen. Mithilfe der Machine Learning-Plattform TensorFlow wurde ein Modell entwickelt, das auf Basis von simulierten Abflüssen trainiert wurde und aus Niederschlagsdaten Abflussvorhersagen generiert.
Die Untersuchungen ergaben, dass das entwickelte tiefe neuronale Netz, basierend auf dem LSTM-Algorithmus, eine durchschnittliche Maximalwertabweichung des Abflusses von 4,6 % erreichen konnte. Das Modell wies eine schnelle Berechnungszeit von 0,06 s pro Vorhersage auf, was es dreimal schneller als ein äquivalentes SWMM-Modell machte. Die Übertragung der Methodik auf ein anderes Kanalnetzsystem mit Regenklärbecken war ebenfalls erfolgreich, mit einer durchschnittlichen Maximalwertabweichung von 8,2 %. Die Ergebnisse demonstrieren die Machbarkeit und Effizienz von Machine Learning-gestützten Abflussvorhersagen und deren Beschleunigungspotenzial.
Tartalomjegyzék:
Einleitung.- Stand der Wissenschaft und Technik.- Material und Methoden.- Herleitung des ML-Modells.- Modellübertragung.- Programm UrbanML.- Ergebnisse und Diskussion.- Fazit und Ausblick.- Literaturverzeichnis.
Több
