Echtzeit Daten
Regen
val mm
Temp
val °C
Luftf.
val %
Wind
val km/h
Die angezeigten Daten sind von der Wetterstation auf dem Dach des Haus 1 des Gymnasium Stephaneum Aschersleben, welche vom Verband ehemaliger Schüler des Stephaneums zur Verfügung gestellt wurde.
Wetter Vorhersage
Regenwahrscheinlichkeit in den nächsten 12 Stunden: 30%
5:00
-0.24°C
98%
6:00
-0.01°C
98%
7:00
0.16°C
96%
8:00
0.3°C
95%
9:00
0.38°C
94%
10:00
0.44°C
92%
11:00
0.53°C
89%
12:00
0.53°C
87%
13:00
0.49°C
85%
14:00
0.44°C
83%
15:00
0.45°C
81%
16:00
0.5°C
80%
Die Vorhersage erfolgt durch ein Machine Learning Modell, welches historische Daten analysiert. Mehr dazu hier.
Projektinfo
In unsererm Projekt verwenden wir neuronale Netze, um Wettervorhersagen zu erstellen. Das System wird mit historischen Daten trainiert und nutzt Live-Daten von unserer Wetterstation auf dem Schulgebäude. Die historischen Daten reichen bis zum Beginn der Wetteraufzeichnungen 1979, es sind insgesamt rund 300.000 Datensätze. Die Vorhersagen sind zuverlässig, mit einer durchschnittlichen Abweichung von etwa 3°C bei der Temperaturvorhersage. Wir arbeiten kontinuierlich an der Weiterentwicklung des Systems, um die Genauigkeit weiter zu verbessern.
Machinelearning
Machine Learning (ML) ist ein Teilbereich der Künstlichen Intelligenz (KI), der sich auf die Entwicklung von Algorithmen und Modellen konzentriert, die es Computern ermöglichen, eigenständig aus Daten zu lernen. Anstatt für jede Aufgabe explizit programmiert zu werden, erkennen ML-Algorithmen Muster in großen Datenmengen und nutzen dieses Wissen, um Entscheidungen zu treffen oder Vorhersagen zu machen.
Der Kern von Machine Learning besteht darin, Computern beizubringen, Aufgaben durch die Analyse von Daten zu bewältigen. Je mehr Daten zur Verfügung stehen, desto besser können sie ihre Modelle anpassen und kontinuierlich aus den gewonnenen Erfahrungen lernen. Dies macht ML in vielen Bereichen wertvoll, von der Spracherkennung über die Bilderkennung bis hin zur medizinischen Diagnostik und personalisierten Empfehlungen auf Webseiten.
Das Besondere ist, dass ML-Modelle sich dynamisch an neue Daten und Herausforderungen anpassen, ohne dass jede Entscheidung von einem Menschen vorgegeben wird, was sie besonders flexibel und leistungsfähig macht.