Not logged in.
Quick Search - Contribution
Contribution Details
| Type | Bachelor's Thesis |
| Scope | Discipline-based scholarship |
| Title | Potential use of genetic programming in storm warning systems |
| Organization Unit | |
| Authors |
|
| Supervisors |
|
| Institution | University of Zurich |
| Faculty | Faculty of Economics, Business Administration and Information Technology |
| Date | 2010 |
| Abstract Text | This work analyses the potential use of genetic programming (GP) in the storm warning system of MeteoSwiss. The chosen test object is Grenchen, an airport in Switzerland with clear meteorological characteristics. Different settings are tested in order to find an optimized GP algorithm for the described problem domain. The customer costs are an important factor in order to produce customer cost optimizing warnings. Therefore they are fed into the GP algorithm. A new fitness measure based on performance figures for warning systems is introduced. Dimensionally aware GP is implemented and shown to be able to produce better solutions than traditional GP in this physics related problem domain. A Genetic Ensemble Warning System (GEWS) is introduced in order to take several GP runs into account for the warning decision. This approach stands in contrary to traditional GP which only uses one solution as base of decision. This thesis shows that a GEWS produces better performing solutions than traditional GP. The ability of GP to generate storm warnings in a human competitive way is clearly demonstrated. |
| Zusammenfassung | Diese Arbeit analysiert die potentielle Nutzung von genetischer Programmierung (GP) im Sturmwarnungssystem der MeteoSchweiz. Das gewa?hlte Test Objekt ist Grenchen, ein Flughafen in der Schweiz mit klaren meteorologischen Verha?ltnissen. Verschiedene Experimente werden durchgefu?hrt um einen optimalen GP Algorithmus fu?r das beschriebene Problem zu finden. Die Kundenkosten sind ein wichtiger Faktor um Kundenkosten optimierende Warnungen zu generieren. Deshalb fliessen sie in den GP Algorithmus ein. Ein neues Fitnessmass basierend auf meteorologischen Kennzahlen fu?r Warnsysteme wird vorgestellt. Dimensionally Aware GP (DAGP) wird implementiert. Es wird gezeigt, dass DAGP in dieser physikalischen Problemstellung bessere Ergebnisse erzeugen kann als traditionelle GP. Ein Genetic Ensemble Warning System (GEWS) wird eingefu?hrt um mehrere GP La?ufe in die Warnungsentscheidung miteinzubeziehen. Dieser Ansatz steht im Gegensatz zu traditioneller GP, welche nur eine Lo?sung als Entscheidungsbasis benutzt. Es wird gezeigt, dass ein GEWS bessere Ergebnisse erzeugt als traditionelle GP. Die Fa?higkeit von GP, effiziente Sturmwarnungen zu generieren, wird eindeutig gezeigt. |
| Export |
BibTeX
|