Maschinelles Lernen für das Wasserressourcenmanagement

Im Rahmen dieses Forschungsvorhabens sollen Möglichkeiten zur datengetriebenen Unterstützung und Optimierung der Steuerungs- und Planungsprozesse wasser- und abwasserwirtschaftlicher Anlagen durch Methoden des Machine-Learnings eruiert, untersucht und implementiert werden.
Einen Forschungsschwerpunkt stellt dabei die Generierung statistisch orientierter Prognosen der zeitlichen Evolution betriebs- und planungsrelevanter Kennzahlen dar.
Weiterhin soll untersucht werden, wie für den Betreiber relevante und interpretierbare Informationen aus den generierten statistischen größen extrahiert und bereitgestellt werden können, um für Betreiber mit unterschiedlich ausgeprägten Kenntnishorizonten in der statistischen Datenanalyse einen betriebsorientierten Mehrwert zu generieren und somit eine erfolgreiche Integration der entwickelten Methoden zu gewährleisten.

Team

  • Kollegiat: Björn Sonnenschein
  • Betreuer: Prof. Dr. Mark Oelmann (HRW, Wirtschaftsinstitut)
  • Betreuer: Prof. Dr. Florian Ziel (UDE, Umweltökonomik)
  • Mentorin: Vertreter:in der Stadtentwässerungsbetriebe Köln