Trinkwasser-Sicherheit mit Predictive Analytics und Oracle
- Verunreinigungen im Wassernetz können weite Teile der Bevölkerung unmittelbar gefährden. Gefahrenpotenziale bestehen dabei nicht nur durch mögliche kriminelle Handlungen und terroristische Anschläge. Auch Betriebsstörungen, Systemfehler und Naturkatastrophen können zu Verunreinigungen führen.
Download full text files
Additional Services
Statistics
| Author: | Steffen Moritz, Thomas Bartz-BeielsteinGND, Jan Strohschein, Ralf Seger, Dimitri Gross |
|---|---|
| URN: | urn:nbn:de:hbz:832-cos4-4869 |
| Series (Serial Number): | CIplus (4/2017) |
| Document Type: | Article |
| Language: | German |
| Year of Completion: | 2017 |
| Release Date: | 2017/07/10 |
| Tag: | Trinkwasser Event Detection; Machine Learning; Predictive Analytics |
| GND Keyword: | Trinkwasser |
| Page Number: | 10 |
| Descirption of the primary publication: | Trinkwasser-Sicherheit mit Predictive Analytics und Oracle, DOAG Business News, 2017, H. 1, S. 18-23 |
| Institutes and Central Facilities: | Fakultät für Informatik und Ingenieurwissenschaften (F10) |
| CCS-Classification: | D. Software |
| E. Data | |
| H. Information Systems | |
| J. Computer Applications | |
| Dewey Decimal Classification: | 000 Allgemeines, Informatik, Informationswissenschaft / 004 Informatik |
| JEL-Classification: | C Mathematical and Quantitative Methods |
| L Industrial Organization | |
| Z Other Special Topics | |
| Open Access: | Open Access |
| Licence (German): |  Creative Commons - Namensnennung, Nicht kommerziell, Keine Bearbeitung |
