
Titel: | Development of a method for deep learning based meteorological visibility conditions prediction | Sprache: | Englisch | Autorenschaft: | Kayed, Hussam | Schlagwörter: | CNN; VGG16; DenseNet201; Adam | Erscheinungsdatum: | 30-Apr-2025 | Zusammenfassung: | This paper discusses how a new way of meteorological and visibility conditions using deep learning methods is to be developed. The development strategy of the solution involves investigating previous research and related work and establishing a foundation of knowledge. In addition to that, a certain set of requirements will be set clear to establish the boundaries for the Convolutional Neural Networks (CNN) model to be created. Furthermore, the architectures and the development strategy will be analysed and the created model will be enhanced to increase its efficiency. Dieses Papier diskutiert, wie eine neue Methode zur Vorhersage von meteorologischen und Sicht-bedingungen mit Hilfe von Deep-Learning-Methoden entwickelt werden soll. Die Entwicklungsstrategie der Lösung beinhaltet die Untersuchung früherer Forschungen und verwandter Arbeiten und die Schaffung einer Wissensgrundlage. Zusätzlich dazu wird ein bestimmter Satz von Anforderungen klar festgelegt, um die Grenzen für das zu erstellende Convolutional Neural Networks (CNN) Modell zu definieren. Darüber hinaus werden die Architekturen und die Entwicklungsstrategie analysiert und das erstellte Modell wird verbessert, um seine Effizienz zu steigern. |
URI: | https://hdl.handle.net/20.500.12738/17586 | Einrichtung: | Department Informations- und Elektrotechnik Fakultät Technik und Informatik |
Dokumenttyp: | Abschlussarbeit | Abschlussarbeitentyp: | Bachelorarbeit | Hauptgutachter*in: | Dahlkemper, Jörg | Gutachter*in der Arbeit: | Leutelt, Lutz |
Enthalten in den Sammlungen: | Theses |
Dateien zu dieser Ressource:
Datei | Beschreibung | Größe | Format | |
---|---|---|---|---|
BA_Development of a method for deep learning base meteorogical visibility conditions prediction_geschwärzt.pdf | 4.21 MB | Adobe PDF | Öffnen/Anzeigen |
Feedback zu diesem Datensatz
Export
Alle Ressourcen in diesem Repository sind urheberrechtlich geschützt.