@prefix ocrer: . @prefix owl: . @prefix scires: . @prefix xsd: . @prefix skos: . @prefix rdfs: . @prefix ocresd: . @prefix swo: . @prefix cito: . @prefix geo: . @prefix ocresst: . @prefix dcterms: . @prefix vivo: . @prefix event: . @prefix vann: . @prefix foaf: . @prefix c4o: . @prefix fabio: . @prefix vcard: . @prefix thkoeln: . @prefix vitro: . @prefix vitro-public: . @prefix rdf: . @prefix ocresp: . @prefix bibo: . @prefix obo: . @prefix ro: . obo:BFO_0000031 a owl:Class ; rdfs:label "Bedingter Kontinuant"@de-DE , "Generically Dependent Continuant"@en-US , "Generically Dependent Continuant"@en . . a thkoeln:Zitat , owl:Thing . a , owl:NamedIndividual , owl:Thing ; rdfs:label "Open Access"@en-US , "Open Access"@de-DE . obo:BFO_0000002 a owl:Class ; rdfs:label "Kontinuant"@de-DE , "Continuant"@en-US , "Continuant"@en . a obo:BFO_0000001 , obo:BFO_0000020 , vivo:Authorship , vivo:Relationship , obo:BFO_0000002 , owl:Thing ; vivo:relates . a obo:BFO_0000003 , obo:BFO_0000008 , obo:BFO_0000001 , vivo:DateTimeValue , obo:BFO_0000148 , owl:Thing . obo:BFO_0000001 a owl:Class ; rdfs:label "Entität"@de-DE , "Entity"@en-US , "Entity"@en . a obo:BFO_0000001 , obo:BFO_0000020 , vivo:Authorship , vivo:Relationship , obo:BFO_0000002 , owl:Thing ; vivo:relates . a owl:NamedIndividual , , owl:Thing ; rdfs:label "Text"@de-DE , "Text"@en-US . bibo:Document a owl:Class ; rdfs:label "Dokument"@de-DE , "Document"@en-US , "Document"@en . a thkoeln:Organisationseinheit , foaf:Agent , obo:BFO_0000001 , obo:BFO_0000004 , obo:BFO_0000002 , foaf:Organization , owl:Thing ; rdfs:label "Institut für Data Science, Engineering, and Analytics" ; . owl:Thing a owl:Class . thkoeln:ArbeitspapierForschungsbericht a owl:Class ; rdfs:label "Working Paper/Research Report"@en-US , "Arbeitspapier / Forschungsbericht"@de-DE . obo:IAO_0000030 a owl:Class ; rdfs:label "Entität für Informationsinhalt"@de-DE , "Information Content Entity"@en-US , "Information Content Entity"@en . a thkoeln:Zitat , owl:Thing . a foaf:Organization , obo:BFO_0000002 , foaf:Agent , obo:BFO_0000001 , thkoeln:Verlag , vivo:Publisher , obo:BFO_0000004 , owl:Thing ; rdfs:label "Technische Hochschule Köln" ; vivo:publisherOf . a thkoeln:Zitat , owl:Thing . a owl:Thing , thkoeln:ArbeitspapierForschungsbericht , obo:BFO_0000031 , bibo:Document , obo:BFO_0000001 , obo:IAO_0000030 , foaf:Document , obo:BFO_0000002 , thkoeln:Publikation ; rdfs:label "RDF description of FIWA - Methoden der Computational Intelligence für Vorhersagemodelle in der Finanz-und Wasserwirtschaft (Schlussbericht) - https://fis.th-koeln.de/vivo/individual/publ_12522" , "FIWA - Methoden der Computational Intelligence für Vorhersagemodelle in der Finanz-und Wasserwirtschaft (Schlussbericht)" ; thkoeln:URN "urn:nbn:de:hbz:832-cos-466" ; thkoeln:sprache "deutsch" ; thkoeln:status "validiert" ; ; ; ; , , ; ; "2026-04-03T23:49:01"^^xsd:dateTime ; ; ; bibo:abstract "Dieser Schlussbericht beschreibt die im Projekt „Methoden der Computational Intelligence für Vorhersagemodelle in der Finanzund Wasserwirtschaft“ (FIWA) im Zeitraum von Juni 2009 bis einschließlich November 2012 erzielten Ergebnisse. In der Praxis werden für diese Vorhersagemodelle Verfahren der linearen und nichtlinearen Regression, NN, Support Vector Machines (SVM) und viele weitere Verfahren eingesetzt. Das Projekt FIWA befasste sich mit der Entwicklung modularer Systeme zur Analyse und Prognose von Daten aus der Finanz- und Wasserwirtschaft mittels Verfahren der Computational Intelligence (CI) mit methodischem Fokus auf dem CI-Unterbereich Genetic Programming (GP). Ein zentrales Ergebnis der wissenschaftlichtechnischen Arbeit im Projekt FIWA ist die Entwicklung der Open-Source Software RGP. Dabei handelt es sich um ein Software- Framework für GP, welches auf die automatische Erstellung von Vorhersagemodellen spezialisiert ist. Für die Finanzwirtschaft stand ein Handelssimulator zu Verfügung, der auf Basis von echten Finanzdaten die Qualität verschiedener Strategien testen kann. Dieser wurde im Projekt weiterentwickelt. GP wurde genutzt, um auf Basis der Simulationen genaue Vorhersagen und damit verbesserte Handelsstrategien zu entwerfen. Auch für die Wasserwirtschaft wurden Prognoseverfahren mit GP entwickelt. Der Schwerpunkt lag dabei auf der Füllstandprognose für Regenüberlaufbecken. Hier konnten moderne Verfahren mit GP oder SVM klassische Methoden deutlich schlagen oder verbessern. Auch der Einsatz von Sequentieller Parameter Optimierung zeigte signifikante Verbesserungen für die Prognosegenauigkeit. Dabei war die Kombination von klassischen Methoden und GP besonders erfolgreich. GP ist nach wie vor ein sehr aktives Forschungsgebiet und erlaubt auch für die Folgezeit zahlreiche Kooperationen mit den Partnern der Fachhochschule Köln. Sowohl für technische Anwendungen als auch zur Lösung von Forschungsfragen bieten sich zahlreiche Möglichkeiten an." ; vitro:mostSpecificType thkoeln:ArbeitspapierForschungsbericht ; vivo:dateTimeValue ; vivo:freetextKeyword "Soft Computing" , "Wasserwirtschaft" , "Modellierung" , "Genetisches Programmieren" , "Genetic Programming" , "Prognose" , "Finanzwirtschaft" , "Computational Intelligence" ; vivo:publisher ; vivo:relatedBy , . thkoeln:Publikation a owl:Class ; rdfs:label "Publikationen"@de-DE , "Publications"@en-US .