Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
WASSERWIRTSCHAFT
Erschienen in: WASSERWIRTSCHAFT 7-8/2023

01.08.2023 | Praxis

KI-basiertes Vorhersagemodell für Kürzestfrist-Vorhersagen von Starkregen

verfasst von: Juliana Koltermann da Silva, M. Sc., Benjamin Burrichter, M. Sc., Prof. Dr. Markus Quirmbach

Erschienen in: WASSERWIRTSCHAFT | Ausgabe 7-8/2023

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Im Rahmen des Forschungsprojekts KIWaSuS wird mithilfe von KI-Verfahren ein Kürzestfrist-Niederschlagsvorhersagemodell entwickelt. Ziel ist es, die Vorhersagegenauigkeit von Starkregenereignissen gegenüber herkömmlichen Vorhersagemodellen zu erhöhen. Eine erste Modellarchitektur, die nur aus Faltungsstrukturen besteht, wurde aufgebaut und trainiert. Die Ergebnisse anhand eines Starkregenereignis im Juli 2014 zeigen, dass KI-basierte Modelle Potenzial haben, bessere Niederschlagsvorhersagen als mit einem herkömmlichen Translationsmodell zu erzielen.
Vorheriger Artikel IoT-Gewässergüte-Monitoring mittels KI-basierter Hauptionenzerlegung aus Leitfähigkeitsdaten im Erfteinzugsgebiet
Nächster Artikel Auf dem Weg zu besseren Wasserstand-Durchfluss-Beziehungen

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

WasserWirtschaft

Die Zeitschrift Zeitschrift WasserWirtschaft ist das Fachmagazin für Wasser- und Umwelttechnologie. 10x im Jahr bietet sie wissenschaftlich fundierte Informationen über u.a. Wasserbau- und Wasserkraft, Talsperren ...

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
[1]
[2]
[3]
Koltermann da Silva, J.; Burrichter, B.; Quirmbach, M.: Radarbasiertes Kürzestfrist-Niederschlagsvorhersagemodell von Starkregen in KIWaSuS. In: Disch, A. Rieckermann, J. (Hrsg.) "Grün statt grau", Tagungsband der Aqua Urbanica 2022 Konferenz (2022), S. 232-237.
[4]
Koltermann da Silva, J.; Burrichter, B.; Quirmbach, M.: Vorhersagemodelle in KIWaSuS: Vorverarbeitungsschritte für die Entwicklung von KI-Modellen. In: Forum für Hydrologie und Wasserbewirtschaftung (2022), Heft 43.22, S. 81-90.
[5]
Treis, A.; Einfalt, T.; Weigl, E. et al.: Kombination hochaufgelöster Radarniederschlagsinformationen und terrestrischer Ombrometerdaten - Ergebnisse des DX-Offline Projektes der Wasserverbände NRW mit dem Deutschen Wetterdienst. In: KW - Korrespondenz Wasserwirtschaft (2016), Heft 9, Nr. 4, S. 233-242.
[6]
Ayzel, G.; Heistermann, M.; Sorokin, A. et al.: All convolutional neural networks for radar-based precipitation nowcasting. In: Procedia Computer Science 150 (2019), S. 186-192.
[7]
Ayzel, G.; Heistermann, M.; Winterrath, T.: Optical flow models as an open benchmark for radar-based precipitation nowcasting (rainymotion v0.1). In: Geosci. Model Dev. 12 (2019), S. 1 387-1 402 (doi.org/10.5194/gmd-12-1387-2019).
[8]
Shi, X.; Chen, Z.; Wang, H. et al.: Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting. In: arXiv (2015) (doi.org/10.48550/arXiv.1506.04214).
Metadaten
Titel
KI-basiertes Vorhersagemodell für Kürzestfrist-Vorhersagen von Starkregen
verfasst von
Juliana Koltermann da Silva, M. Sc.
Benjamin Burrichter, M. Sc.
Prof. Dr. Markus Quirmbach
Publikationsdatum
01.08.2023
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
WASSERWIRTSCHAFT / Ausgabe 7-8/2023
Print ISSN: 0043-0978
Elektronische ISSN: 2192-8762
DOI
https://doi.org/10.1007/s35147-023-1875-6

Weitere Artikel der Ausgabe 7-8/2023

WASSERWIRTSCHAFT 7-8/2023 Zur Ausgabe

Praxis

Starkregenvorsorge und Klimaanpassung - Entwicklung eines Vorhersagesystems für Kommunen

Praxis

IoT-Gewässergüte-Monitoring mittels KI-basierter Hauptionenzerlegung aus Leitfähigkeitsdaten im Erfteinzugsgebiet

Personen und Firmen

Personen und Firmen

Praxis

Qualitative Hochwasservorhersage in Lenzkirch auf Basis von Bodenfeuchte- und Pegeldaten

Praxis

Bildbasierte Durchflussmessverfahren für das Monitoring von Hochwasserereignissen

Praxis

Die Konzeption von Pegelnetzen - Anthropogenes Erfordernis versus Prozesskenntnis