Scholarlink

Der Artikel beschäftigt sich mit der datengetriebenen Prognose von Pegelständen am Fluss Werre unter Verwendung eines einfachen Zuflussmodells im Flussverlauf und basierend auf frei verfügbaren Daten von OpenGeodata.NRW und Open-Meteo. Die große Menge der frei verfügbaren Daten wurde auf Korrelationen mit dem Pegelstand untersucht und auf stündliche Werte ab 1998 für Niederschlag, Pegelstände, Bodenfeuchtigkeit, Temperatur und Bodentemperatur reduziert. Anhand des Zuflussmodells wurde der Merkmalsvektor dann mit den zeitlich nötigen vorhergehenden Werten der Zuflüsse als Zeitreihe modelliert. Mit einem rekurrenten neuronalen Netz, speziell LSTM, konnten die besten Prognosewerte erzielt werden mit einem MSE von 9,75 cm und einem RMSE von 3,12 cm für die prognostizierten Pegelstände.

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Prognose von Pegelständen mit Methoden des Maschinellen Lernens und frei verfügbaren Daten

  • 会议论文

  • 发表日期：

    2025年

查看全文
  • Grit Behrens,
  • Daniel Marten,
  • Levent Koch,
  • Marcel Gaj

摘要

Der Artikel beschäftigt sich mit der datengetriebenen Prognose von Pegelständen am Fluss Werre unter Verwendung eines einfachen Zuflussmodells im Flussverlauf und basierend auf frei verfügbaren Daten von OpenGeodata.NRW und Open-Meteo. Die große Menge der frei verfügbaren Daten wurde auf Korrelationen mit dem Pegelstand untersucht und auf stündliche Werte ab 1998 für Niederschlag, Pegelstände, Bodenfeuchtigkeit, Temperatur und Bodentemperatur reduziert. Anhand des Zuflussmodells wurde der Merkmalsvektor dann mit den zeitlich nötigen vorhergehenden Werten der Zuflüsse als Zeitreihe modelliert. Mit einem rekurrenten neuronalen Netz, speziell LSTM, konnten die besten Prognosewerte erzielt werden mit einem MSE von 9,75 cm und einem RMSE von 3,12 cm für die prognostizierten Pegelstände.