A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Vorhersage von Zeitserien der Biogasproduktion in anaeroben Faultürmen mit einem Temporal Fusion Transformer
Anaerobe Gärung in Faultürmen liefert als fixer Bestandteil vieler Abwasserreinigungsanlagen einen wertvollen Beitrag zur nachhaltigen Energieerzeugung. Der Einfluss verschiedener Parameter auf die gewonnene Menge an Biogas ist dabei noch nicht hinreichend erforscht. Mit Veränderungen am Faulprozess kann unter realen Bedingungen jedoch nicht experimentiert werden. Deshalb trainieren wir ein datengetriebenes Modell, einen sogenannten Temporal Fusion Transformer, welcher die biochemischen Vorgänge abbildet und Vorhersagen über die zu erwartende Produktionsrate trifft. Sowohl Zeitserien als auch nicht-numerische Merkmale werden dabei gemeinsam verarbeitet. Dies liefert ein umfassenderes Bild, weil externe Faktoren, wie z. B. Schwankungen bedingt durch den Tourismus, ebenfalls mit in Betracht gezogen werden. Das Modell stützt sich auf die vorliegende Information der letzten sieben Tage und erstellt daraus eine Vorhersage für die kommende Woche. Diese besteht zusätzlich zum Median aus den 2 %-, 10 %-, 25 %-, 75 %-, 90 %-und 98 %-Quantilen. Damit unterstützt und verbessert unser Modell die betriebliche Entscheidungsfindung. Der zur Kalibrierung verwendete Datensatz stammt von zwei realen Fermentern in Tirol.
Vorhersage von Zeitserien der Biogasproduktion in anaeroben Faultürmen mit einem Temporal Fusion Transformer
Anaerobe Gärung in Faultürmen liefert als fixer Bestandteil vieler Abwasserreinigungsanlagen einen wertvollen Beitrag zur nachhaltigen Energieerzeugung. Der Einfluss verschiedener Parameter auf die gewonnene Menge an Biogas ist dabei noch nicht hinreichend erforscht. Mit Veränderungen am Faulprozess kann unter realen Bedingungen jedoch nicht experimentiert werden. Deshalb trainieren wir ein datengetriebenes Modell, einen sogenannten Temporal Fusion Transformer, welcher die biochemischen Vorgänge abbildet und Vorhersagen über die zu erwartende Produktionsrate trifft. Sowohl Zeitserien als auch nicht-numerische Merkmale werden dabei gemeinsam verarbeitet. Dies liefert ein umfassenderes Bild, weil externe Faktoren, wie z. B. Schwankungen bedingt durch den Tourismus, ebenfalls mit in Betracht gezogen werden. Das Modell stützt sich auf die vorliegende Information der letzten sieben Tage und erstellt daraus eine Vorhersage für die kommende Woche. Diese besteht zusätzlich zum Median aus den 2 %-, 10 %-, 25 %-, 75 %-, 90 %-und 98 %-Quantilen. Damit unterstützt und verbessert unser Modell die betriebliche Entscheidungsfindung. Der zur Kalibrierung verwendete Datensatz stammt von zwei realen Fermentern in Tirol.
Vorhersage von Zeitserien der Biogasproduktion in anaeroben Faultürmen mit einem Temporal Fusion Transformer
Predicting biogas production rates in anaerobic digesters with a temporal fusion transformer
Sappl, Johannes (author) / Harders, Matthias (author) / Rauch, W. (author)
Österreichische Wasser- und Abfallwirtschaft ; 73 ; 329-336
2021-08-01
8 pages
Article (Journal)
Electronic Resource
German
Anaerobe Gärung , Faulgas , Maschinelles Lernen , Temporal Fusion Transformer , Quantilsregression , Zeitserie Anaerobic digestion , Biogas , Machine learning , Temporal fusion transformer , Quantile regression , Time series Engineering , Engineering, general , Water Industry/Water Technologies , Chemistry/Food Science, general , Waste Water Technology / Water Pollution Control / Water Management / Aquatic Pollution , Waste Management/Waste Technology
Der Einfluss von erhöhtem hydrostatischen Druck auf die Biogasproduktion
| Online Contents | 1993
Keramische Flachmembranen in anaeroben Abwasserreinigungsverfahren
| Online Contents | 2008
CO2-neutrales Erdgas bringt Klimaplus . VNG startet Biogasproduktion
Online Contents | 2009