G. Mathematics of Computing
Refine
Document Type
- Bachelor Thesis (4) (remove)
Has Fulltext
- yes (4)
Keywords
- Rettungswesen (2)
- Datenverarbeitung (1)
- Einsatzanzahl (1)
- Einsatzdauer (1)
- Informatik (1)
- Künstliche Intelligenz (1)
- Neuronale Netze (1)
- Prediction (1)
- Prognose (1)
- Quantentechnologie (1)
Diese Arbeit wertet Leistellendaten von zwei Landkreisen aus und untersucht dabei, welche Veränderung hinsichtlich der mittleren Anzahl und Dauer von Rettungsdiensteinsätzen im Zeitraum der COVID-19-Pandemie aufgeteilt nach Stunden- und Tageskategorien besteht. Anschließend werden die Veränderungen von Anzahl und Dauer beider Landkreise verglichen, um diese auf Unterschiede zu prüfen. Da in der aktuellen Literatur unzureichend dargelegt ist, wie Veränderungen des Einsatzanzahl oder -dauer im Rettungsdienst zwischen Kreisen sowie über die Tage und Tagesstunden verteilt sind, trägt diese Untersuchung dazu bei diese Forschungslücke zu schließen. Die statistische Auswertung der Leitstellendaten umfasst mehrere Schritte, sodass zuerst eine Aufbereitung durchgeführt wird, bevor die mittlere Einsatzanzahl und -dauer für vier Zeiträume sowie die prozentuale Veränderung zwischen einem Zeitraum vor und drei Zeiträumen während der Pandemie ermittelt werden. Im Anschluss wird die Veränderung mittels Kruskal-Wallis-Test beziehungsweise Varianzanalyse nach Welch auf Signifikanz überprüft. Abschließend erfolgt ein qualitativer Vergleich zwischen den Kreisen. Die Untersuchung zeigt, dass hinsichtlich Einsatzanzahl und -dauer zu allen drei Zeitraumen in der Pandemie Zu- und Abnahmen auftreten. Die Anzahl nimmt zum ersten Zeitraum in beiden Kreisen überwiegend ab, sowie zum vierten Zeitraum mehrheitlich zu, während zum zweiten Zeitraum im Lahn-Dill-Kreis eine häufigere Abnahme und im Main-Taunus-Kreis eine geringfügig überwiegende Zunahme vorliegt. Die Einsatzdauer unterliegt zum zweiten Zeitraum im Lahn-Dill-Kreis einer überwiegenden Zunahme und im Main-Taunus-Kreis einer überwiegenden Abnahme, während zum dritten sowie vierten Zeitraum in beiden Kreisen einer Steigerung stattfindet. Im Vergleich beider Gebietskörperschaften zeigen bei der Einsatzanzahl die Veränderungen zum zweiten und vierten Zeitraum und bei der Dauer die Veränderungen zum dritten und vierten Zeitraum mit der Mehrheit der Stundenkategorien Gemeinsamkeiten. Das Pandemiegeschehens sowie die nichtpharmazeutischen Interventionen sowie deren Folgen stellen Faktoren für die Veränderung von Einsatzanzahl und -dauer dar. Die geografische Lage sowie die lokale Ausgestaltung von Rettungsdienst und Krankentransport begründen, zusätzlich zu den oben genannten Aspekten, Unterschiede zwischen den Kreisen.
In nahezu jedem Rettungsdienstbereich lässt sich ein Anstieg an Notfalleinsätzen und damit einhergehend ein höherer Bedarf an Rettungsmitteln beobachten. Daraus resultieren Einsatzspitzen, die durch den Regelrettungsdienst nicht abgedeckt werden können, und es entsteht eine Unterdeckung. Dies wird auch als Risikofall bezeichnet und birgt die Gefahr, dass ein Rettungsmittel nicht innerhalb der vorgeschriebenen Hilfsfrist am Notfallort eintreffen kann. Um einen potenziellen Risikofall im Vorfeld absehen und einsatztaktische Ausgleichsmaßnahmen innerhalb eines Rettungsdienstbereiches ergreifen zu können, soll deshalb die Einsatznachfrage in stündlicher Auflösung prognostiziert werden. Dazu wurde die Einsatz-Zeit-Reihe 2017 der hochfrequentierten Feuer- und Rettungswache 1 in der Kölner Innenstadt analysiert und ein saisonales ARIMA-Modell sowie ein Erwartungswert-Modell auf die Einsatz-Zeit-Reihe des Folgejahres 2018 angewandt. Gezeigt werden konnte, dass sich die Einsatz-Zeit-Reihe mit einer mittleren absoluten Abweichung von etwas mehr als einem Einsatz prognostizieren lässt. Außerdem konnte mit einer Skalierung der Prognose über die Anzahl einsatzbereiter Rettungs-wagen jeder Risikofall in einem einwöchigen Anwendungstest vorhergesagt werden. Dabei zeigte sich, dass nicht die Prognosegüte in der Stunde der Einsatzspitze relevant ist, sondern die Prognosegüte in der Folgestunde. Die Prognosen haben somit, wenn sie skaliert werden, eine hohe einsatztaktische Relevanz und ermöglichen kurz-fristige Ausgleichsmaßnahmen im Tagesgang.
Vergleich verschiedener Lernmethoden neuronaler Netze bei der Analyse von „Social Media“ Inhalten
(2018)
The goal of this bachelor thesis was the comparison of different learning methods in neural networks. The methods were applied to detect hate posts on social media plat-forms like twitter. To achieve this, a supervised Recurrent Neural Network and a self-supervised Word2Vec model were implemented. The results of both implementations show the importance of choosing the correct dataset and a learning method generating significant results. The problems of both implementations were identified and formulated into possible solutions to achieve more accurate predictions in future. This thesis is of high interest for students and developers in the area of sentiment analysis.