Advertisement
Published in:
2016 | OriginalPaper | Chapter
15. Induktive Datenvisualisierung für Smart Energy: Fallstudie enersis suisse AG
Authors : Michael Kaufmann, Thomas Koller, Daria Balkende, Matthias Hemmje, Kilian Stoffel
Published in: Smart City
Publisher: Springer Fachmedien Wiesbaden
Activate our intelligent search to find suitable subject content or patents.
Select sections of text to find matching patents with Artificial Intelligence. powered by
Select sections of text to find additional relevant content using AI-assisted search. powered by (Link opens in a new window)
Zusammenfassung
Die graduelle Zugehörigkeit, das Kernkonzept der unscharfen Logik, kann in der Datenvisualisierung genutzt werden, um Zusammenhänge zwischen Merkmalen und Zielklassen darzustellen. Solche Zugehörigkeitsfunktionen können mit der IFC-Filter-Methode direkt aus den Daten extrahiert werden. Die Visualisierung dieser Zusammenhänge leuchtet ein, und präsentiert den Entscheidungsträgern eine leicht verständliche Darstellung. In Smart Energy-Systemen kann diese angewendet werden, um komplexe Vorhersagemodelle nachvollziehbar zu machen, und fördert somit die Datenintelligenz. An einem Fallbeispiel einer Datenanalyse in der Energiewirtschaft wird aufgezeigt, wie die Datenvisualisierung mit dem IFC-Filter in der Praxis aussehen kann. Dieses Kapitel stellt zudem den Bezug zu Big Data Management her, indem es die Datenvisualisierung für Smart Energy im größeren Zusammenhang eines Referenzmodells einordnet.
