Die Vorhersage der Luftqualität ist eine komplexe Aufgabe, da Messungen häufig mit Unsicherheiten in den verwendeten Sensoren behaftet sind. Das Karlsruher Institut für Technologie (KIT) benötigte ein Modell, das präzise Luftqualitätsdaten liefert und gleichzeitig die Unsicherheiten der Sensoren berücksichtigt.
Präzision trotz Unsicherheit
In Zusammenarbeit mit dem IAI am KIT entwickelten wir ein statistisches Vorhersagemodell, das speziell darauf ausgelegt ist, die Unsicherheiten der eingesetzten Sensoren zu berücksichtigen. Mithilfe von Methoden des maschinellen Lernens trainierten wir das Modell auf einer umfangreichen Sammlung historischer Luftqualitätsmessdaten, um präzise und zuverlässige Vorhersagen zu ermöglichen.
- Entwicklung eines Vorhersagemodells, das Sensorunsicherheiten einbezieht
- Anwendung von maschinellem Lernen zur Verbesserung der Modellgenauigkeit
- Erfolgreiches Training des Modells auf großen Datensätzen historischer Messdaten
- Präzisere Vorhersagen der Luftqualität unter Berücksichtigung sensorischer Unsicherheiten
Ihr Ansprechpartner
Dr. Johannes Riesterer
Softwareentwicklung und Mathematik
+49 (0) 721 46711193
johannes.riesterer@studiofluffy.com