KIT | KIT-Bibliothek | Impressum | Datenschutz

Feature-basiertes Clustering von Umweltzeitreihen mit Self-Organizing-Map-Ensembles

Wunsch, Andreas ORCID iD icon; Liesch, Tanja; Broda, Stefan

Abstract:
Die Zeitreihenanalyse ist für Umweltwissenschaften ein wichtiges Werkzeug, um Systeme zu charakterisieren, da sich in den Zeitreihen Signale, welche von unterschiedlichen Einflussgrößen herrühren, wiederfinden lassen. Ein Clustering kann helfen ähnliche Dynamiken zu gruppieren um so entsprechende Einflussgrößen zu erkennen und deren Einflussbereich zu charakterisieren. Wir stellen einen unüberwachten Ensemble-Modellierungsansatz für das Clustering von Umweltzeitreihen auf der Grundlage ihrer Dynamik vor. Der Feature-basierte Ansatz erlaubt es auch heterogene Datensätze zu nutzen, das Clustering der Features erfolgt schließlich auf der Basis von Self-Organizing-Maps. Der Ensemble-Ansatz reduziert die Willkür bei der Featureauswahl und erhöht die Robustheit des Endergebnisses. Die Ergebnisse einer beispielhaften Anwendung im Grundwasserbereich zeigen, dass die vorgestellte Methodik adaptiv in der Lage ist, homogene Gruppen von Zeitreihen-Dynamiken zu identifizieren.


Originalveröffentlichung
DOI: 10.18420/inf2020_98
Zugehörige Institution(en) am KIT Institut für Angewandte Geowissenschaften (AGW)
Publikationstyp Proceedingsbeitrag
Publikationsjahr 2021
Sprache Deutsch
Identifikator ISBN: 978-3-88579-701-2
ISSN: 1617-5468
KITopen-ID: 1000132638
Erschienen in INFORMATIK 2020 - Back to the future. Hrsg.: R. H. Reussner
Veranstaltung 50. Back to the future. 50. Jahrestagung der Gesellschaft für Informatik (Informatik 2020), Online, 28.09.2020 – 02.10.2020
Verlag Gesellschaft für Informatik e.V.  (GI)
Seiten 1035-1041
Serie GI-Edition : lecture notes in informatics / Proceedings ; 307
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page