Forscher nutzten KI, um elektrische Häuser mit hohem Risiko von Winterausfällen in acht Staaten zu identifizieren.

Forscher des Stevens Institute of Technology nutzten KI, um gefährdete elektrische und Solarhäuser in acht Staaten ohne physische Inspektionen zu identifizieren. Ihre Studie, die im Journal of Smart Cities and Society veröffentlicht wurde, stellte fest, dass vollelektrische Häuser fast dreimal häufiger unter Winterausfällen leiden als solche, die gemischte Energiequellen nutzen. Die Modelle des maschinellen Lernens können gefährdete Häuser mit mehr als 95% Genauigkeit ermitteln, die Versorgungsunternehmen und Notfallhelfer bei der gezielten Hilfe bei schweren Wetterverhältnissen unterstützen.

Vor 2 Monaten
4 Artikel