fbpx
Angewandte Mathematik Big Data Wissenschaftliches Rechnen

Stochastische Regressionsmodelle für Low-Cost Umweltsensoren

In einem gemeinsamen Projekt mit dem Institut für Automation und angewandte Informatik am KIT entwickeln wir ein stochastisches Vorhersagemodell für Low-Cost Feinstaubsensoren. Dieses Modell evaluieren wir anhand der frei zugänglichen Daten des SmartAQNet Projektes.

Das Sensor-Messnetzwerk des SmartAQNet Projektes in Augsburg

Mathematisch basiert es auf einem sogenannten Gaußprozess. Dabei handelt es sich um einen räumlich und zeitlichen Vorgang, welcher an unterschiedlichen Punkten variierende Normalverteilung aufweist. Eine detaillierte Darstellung dazu finden Sie hier. Im Rahmen dieses Projektes entsteht eine Masterarbeit, die von uns betreut wird.