IoT Sensordaten Forecasting

flowtap Case Study

Herausforderung

Zur automatisierten Steuerung der technischen Komponenten von Talsperren werden Modelle benötigt, welche die Abhängigkeiten von beispielsweise Niederschlag auf Wasserstände prognostizieren können. Basis dafür ist eine große Menge von Sensordaten.

  • Prognose von Wasserständen und technischer Parameter basierend auf Sensordaten 
  • Integration von Niederschlagsmengen, Luftfeuchtigkeit, Temperaturen in ein multivariates Modell
  • Steigerung der Prognose Genauigkeit

Lösung

Basierend auf Daten unterschiedlicher Sensoren wurde ein Deep Learning Modell entwickelt, welches Wasserstände anhand mehrerer Inputdaten vorhersagt. Dazu wurde das Framework TensorFlow in der Programmiersprache R eingesetzt. Um Training und Prognose entsprechend zu skalieren, wurde zum Deployment eine Cloud Infrastruktur genutzt.

  • Aufbau und Training eines Deep Learning Modells (neuronales Netz)
  • Systematische Modellvalidierung mittels Backtesting
  • Evaluierung unterschiedlicher Modell-Architekturen und Layer-Typen (RNN, LSTM, CNN)

Ergebnisse

  • Forecasting Modell
  • Operationalisierung mittels Machine Learning Operations (MLOps) Praktiken
  • Testprozeduren zur laufenden Modell-Validierung

Haben Sie Fragen?

Kontakt

Dann Kontaktieren Sie uns, reise sind der wirksamste Hebel zur Steigerung der Profitabilität.

Jetzt anfragen

Vereinbaren wir einen

Termin

Unsere digitalen

Services

Durchstarten mit diesen

Lösungen