Here, we delve into Demand Forecasting via Machine Learning, dissecting how to predict future demand using time-sensitive data. Westveer highlights key forecasting models, from the basic Simple Exponential Smoothing to the advanced SARIMA, applied to an electricity production dataset. The session, encapsulating the essence of data-driven forecasting, culminates in a compelling three-year predictive outlook, illustrating the transformative potential of machine learning in strategic planning and decision-making.
VIDEO
Cyanobacterial blooms can be toxic to humans swimming in affected waters. According to the European Bathing Water Directive bathing waters should be closed during cyanobacterial blooms. In the Netherlands, cyanobacteria monitoring in all official bathing water locations is usually performed every two weeks during the bathing season. In face of the large temporal and spatialvariability of cyanobacterial bloom dynamics this monitoring frequency however is too low for adequate early warnings to the public.High frequency monitoring and forecasting models can provide information on cyanobacterial blooms in between the regular monitoring dates and for a few days into the future. In the H2020 project EOMORES, we have combined observational data from a spectral camera (Ecowatch) near a Dutch bathing site with fluorescence data from an underwater drone to analyse the variability ofcyanobacterial blooms at short temporal and spatial scales. The results are used in a short term forecasting model of cyanobacterial blooms (AlgaeRadar) and a 3D scum forecasting model (EWACS). The AlgaeRadar is cross-validated with biweekly data from other bathing water sites and shows improved model performance compared to an earlier version that was built with only biweekly data.For the site with high-frequency chlorophyll observations the near-real time data are assimilated in the model to further enhance the model performance. Model performance of EWACS is verified using high frequency pictures from the Ecowatch station, showing scum layers on the water. This allowed us to validate and calibrate the EWACS model. Model validation abilities were in the pastalso limited by to the patchy nature and high temporal variability of the scum layers, which was not covered by sparse scum observations. With the resulting models, early warnings for cyanobacterial blooms are more reliable than those from the current practice that are merely based on biweekly monitoring data. For the protection of public health this provides better opportunities as well.
Since March 2013, Paul Peeters is a member of the ICAO/CAEP Working Group 3, which is responsible for setting a new fuel efficiency standard for of civil aviation. He does so for the International Coalition for Sustainable Aviation (ICSA). ICSA was established in 1998 by a group of national and international environmental NGOs as official observers. Since its inception, ICSA has contributed to CAEP’s work on technical means to reduce emissions and noise, the role of market-based measures, supporting economic and environmental analysis, modelling and forecasting, and ICAO’s carbon calculator. It has also been invited to present its views at ICAO workshops on carbon markets and bio-fuels, and has presented to the high-level Group on Internation Aviation and Climate Change (GIACC). ICSA uses the expertise within its NGO membership to formulate its co-ordinated positions. To gain the broadest level of understanding and input from environmental NGOs, ICSA communicates with, and invites comment from, other NGO networks and bodies working in related areas. ICSA’s participation in ICAO and CAEP meetings is currently provided by the Aviation Environment Federation (AEF), the International Council for Clean Transportation (ICCT) and Transport and Environment (T&E). See http://www.icsa-aviation.org
Een ziekenhuisopname voor een operatie heeft grote impact op kankerpatiënten. Ook als de ingreep medisch gezien goed is verlopen, leeft er bij patiënten vaak veel onzekerheid na ontslag uit het ziekenhuis. Dit komt door de complexiteit en veelheid aan behandelingen bij kanker en dit wordt extra versterkt als het ontslagproces sub-optimaal verloopt en niet aansluit bij de behoeften van patiënten. Dit is onwenselijk want het kan leiden tot vertraagd herstel, onnodige heropnames in het ziekenhuis (onnodige kosten) en stress en onzekerheid bij patiënten en hun naasten. Dit heeft een negatieve impact op het welzijn van mensen in hun leefomgeving en leidt tot een negatieve beleving van de zorgverlening. Zorgprofessionals weten echter niet wat mensen na een oncologische operatie nodig hebben om zich weer goed te voelen in hun leefomgeving en hoe zij daar vanuit de eerste en tweede lijn gezamenlijk aan kunnen bijdragen. Daarnaast is onbekend hoe zorgtechnologie zorgverleners en kankerpatiënten in hun leefomgeving daarbij kan ondersteunen. Het doel van dit onderzoek is het bevorderen van herstel en welzijn van mensen na een oncologische operatie en hun naasten, door kennisontwikkeling over hoe zorgprofessionals en ondersteuning middels technologie bij kunnen dragen aan een soepele overgang van ziekenhuis naar leefomgeving. Als uitgangpunt wordt de kennis en kunde uit het hotelvak gebruikt waar het uitchecken (ontslagprocedure) geperfectioneerd is en bijdraagt aan de goede waardering van het hotelbezoek. Om dit te realiseren is het onderzoek verdeeld in twee fasen: 1. Op basis van onderzoek naar de wensen en behoeften van kankerpatiënten en hun naasten, alsmede de ervaring van zorgprofessionals, wordt het ontslagproces herzien. 2. Er wordt onderzocht op welke wijze technologische ontwikkelingen (zoals zelfmonitoring) kunnen bijdragen aan het herstel van kankerpatiënten in de eigen leefomgeving.
