Projekt:
PLANUNG UND VERWALTUNG VON WASSERRESSOURCEN AUF DER GRUNDLAGE VON IoT-DATENANALYSEN (WATERoT).
Teilnehmer:
CENTIC, HIDROCONTA, UCAM, UPV, VIELCA INGENIEROS.
Zusammenfassung:
Ziel dieses Projekts ist es, den Weg zu einer besseren Nutzung, Verwertung und Verwaltung von Wasserressourcen durch die Entwicklung einer Hardware- und Software-IoT-Infrastruktur zu ebnen, die intelligente Dienste aus der Analyse großer Datenmengen im Zusammenhang mit der Wasserwirtschaft ermöglicht.
Einberufung:
Ministerium für Wirtschaft und Unternehmen Herausforderungen Zusammenarbeit.
Dauer:
4 Jahre 2018-2021.
Finanziert von:
MINECO, Ministerium für Wirtschaft, Industrie und Wettbewerbsfähigkeit (MINECO), Staatliche Forschungsagentur (AEI) und Europäischer Fonds für regionale Entwicklung (EFRE) Nummer: RTC 2017-6389-5.
Vielca Ingenieros, S.A.(Projektkoordinator)
Forschungsleiter: D. Pablo Blanco López
Universidad Católica San Antonio de Murcia (UCAM)
Forschungsleiter: Dr. Javier Senent Aparicio
Centro Tecnológico de las Tecnologías de la Información y las Comunicaciones de la Región de Murcia
Forschungsleiter: Dr. D Joaquín Lasheras Velasco
Universitat Politécnica de Valencia (UPV)
Forschungsleiter: Dr. D. Carlos Periñán Pascual
HIDROCONTA, S.A.
Forschungsleiter: Francisco Pagán Ros
Dank des Forschungsrahmens dieses Projekts wurde mit der Entwicklung einer Reihe von Doktorarbeiten begonnen, von denen einige unter dem Titel „Industriedoktorat“ stehen. Ziel dieser Dissertationen ist es, Mitglieder der Partnerunternehmen in Forschungsfragen zu schulen, die die Innovationslinien ihrer jeweiligen Unternehmen stärken können. Darüber hinaus erhalten die Mitarbeiter im akademischen Bereich auch eine stark unternehmensbezogene Doktorandenausbildung.
Im Folgenden werden die verteidigten Dissertationen aufgeführt:
1.- Nicolás José Fernández Martínez. 21/10/2020. A Linguistically-aware Computational Approach To Microtext Location Detection. Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. Ángel Felices Lago (Universidad de Granada). Github: https://github.com/njfm0001/LORE/
2.- Juan José Franco Peñaranda. Infraestructuras IoT eficientes para localización indoor. Doctorado industrial entre la UCAM y CENTIC. Directores: Dr. D. Joaquin Lasheras Velasco (CENTIC) y Dr. D. José M. Cecilia Canales (UCAM-UPV).
3.- Fredy Núñez Torres. 26/11/2021. Diseño y desarrollo de un modelo de desambiguación léxica automática para el procesamiento del lenguaje natural. Directores: Dr. D. Carlos Periñán-Pascual (UPV) y Dr. D. Carlos González Vergara (Pontificia Universidad Católica de Chile). Github: https://github.com/fredyrodrigors/tesis-phd
4.- Pablo Blanco Gómez. Evaluación de la utilidad de datos de satélite para modelización hidrológica de cuencas no aforadas en América Central. Doctorado industrial entre la UCAM y VIELCA Ingenieros. Directores: Dr. D. Javier Senent Aparicio (UCAM) y Dra. Dña. Patricia Jimeno Sáez (UCAM).
5.- Daniel Hernández Vicente. Análisis, diseño y evaluación de algoritmos nóveles de machine learning en entornos IoT. Suscrita al programa de doctorado de informática de la UPV. Directores: Dr. D. Andrés Muñoz Ortega (UCAM) y Dr. D. José M. Cecilia Canales (UCAM-UPV).
6.- Miguel Ángel Guillén Navarro. Diseño e Implementación de un Sistema IoT para la Predicción de Heladas en Cultivos mediante técnicas de Análisis Inteligente de Datos. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Directores: Dr. Dña. Raquel Martínez España (UCAM) y Dr. Dña. Belén López Ayuso (UCAM).
7.- Adrián López Ballesteros (Becario FPU). Entwicklung eines integrierten Modells der Entscheidungshilfe für die Bewirtschaftung der Wasserressourcen in Gebieten mit intensiver Landwirtschaft. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Director: Dr. D. Javier Senent Aparicio (UCAM).
8.- Sitian Liu. Impact of climate variability and human activities on water resourecs. Suscrita al programa de doctorado de tecnologías de la información e ingeniería ambiental de la UCAM. Directores: Dr. D. Javier Senent Aparicio (UCAM) y Dr. D. Francisco Alcalá (IGME).
9.- Daria Mitroshenko. Design of an intelligent system to analyse sustainability in hospitality: A study in the Mediterranean south coast. Dr. D. Andrés Muñoz (UCAM) y Dra. Dña. Ginesa Martínez (UCAM).
Es werden auch die Thesen aufgeführt, die Ihre Forschungsarbeiten im Rahmen des Projekts begonnen haben und die derzeit verteidigt werden:
1.- Tesis doctoral de Alicia Sepúlveda Muñoz. Desarrollo de aplicaciones nóveles basadas en sensores sociales. (en proceso) Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. José M. Cecilia Canales (UCAM-UPV)
2.- Tesis doctoral de Yolanda Blázquez López. Tratamiento de los Operadores Contextuales de Cambio de Polaridad en Español y en Inglés para la Minería de Opiniones. (in Bearbeitung; voraussichtliches Datum der Verteidigung: Juli 2022) Directores: Dr. D. Carlos Periñán Pascual (UPV) y Dr. D. Ricardo Mairal Usón (UNED).
Das Hauptziel dieses Projekts ist die Entwicklung einer Hardware- und Software-Infrastruktur, die die Analyse großer Datenmengen in Echtzeit in IoT-Umgebungen ermöglicht, um innovative Lösungen für das kurz-, mittel- und langfristige Wassermanagement bereitzustellen. Die Punkte von besonderem Interesse und die Art und Weise, wie sie erreicht werden sollen, werden nachstehend in Form von Zielen behandelt (O):
Projektziele (O):
O1.- Entwicklung von Machine-Learning-Vorhersagemodellen für intelligentes Wassermanagement. Physikalische Sensoren senden normalerweise Informationen in Form von Zeitreihen. Diese Informationen werden ununterbrochen 24 Stunden am Tag, 365 Tage im Jahr generiert und erzeugen eine riesige Datenmenge. Von besonderem Interesse für dieses Projekt ist die Überwachung von Variablen, die die Bewirtschaftung der Wasserressourcen beeinflussen können. Zu diesen Variablen gehören Wetterphänomene wie Sonneneinstrahlung, Umgebungstemperatur oder Windgeschwindigkeit, um nur einige Beispiele zu nennen, oder der Wasserverbrauch in Haushalten oder auf landwirtschaftlichen Flächen. Diese Variablen sind für die Planung und Bewirtschaftung der Wasserressourcen von grundlegender Bedeutung, und ihre Analyse kann negative Auswirkungen für ihre Optimierung vorhersagen. Dieses Ziel umfasst die Entwicklung von Vorhersagemodellen für maschinelles Lernen zur Bereitstellung intelligenter Dienste zur Optimierung der Wasserbewirtschaftung. Als Fallstudien werden sowohl die Vorhersage von Frost als auch die Vorhersage der Verdunstung von Wasser in Bewässerungsflößen untersucht. Um die mit ihnen verbundenen sozioökonomischen Auswirkungen zu verringern, ist es von entscheidender Bedeutung, dass der Wert dieser Variablen rechtzeitig verfügbar ist. Darüber hinaus wird dieses Projekt an der Entwicklung von Modellen für die Vorhersage der Wasserqualität in Küstenlagunen arbeiten. Insbesondere das Mar Menor wird als Fallstudie betrachtet werden, da seine jüngste Eutrophierung erhebliche sozioökonomische und ökologische Auswirkungen hat. Schließlich werden Variablen des Wasserverbrauchs analysiert, um Verbrauchsmuster für die Nutzer zu ermitteln und so den Wasserzugang für die Nutzer zu optimieren.
O2.- Erkennung von Problemen durch unsachgemäße Nutzung oder ineffiziente Bewirtschaftung von Wasserressourcen durch soziale Sensoren. Physische (oder elektronische) Sensoren liefern quantitative Informationen, die durch die von sozialen Sensoren erhaltenen Informationen angereichert werden können. Die Verarbeitung großer Datenströme über soziale Netzwerke wie Twitter oder Facebook ermöglicht es, Probleme in unserer Umgebung zu erkennen und Informationen bereitzustellen, die für ein bestimmtes IoT-Szenario relevant sind. Durch die Entwicklung eines wissensbasierten IT-Systems soll das in verschiedenen sozialen Netzwerken verfügbare Feedback in wertvolle Informationen zur Erkennung von Problemen umgewandelt werden, die durch unsachgemäße Nutzung oder ineffiziente Bewirtschaftung von Wasser verursacht werden. Dies ist möglich, weil der Zweck dieser sozialen Sensoren letztlich darin besteht, die zuständigen Stellen unverzüglich auf ein Umweltproblem aufmerksam zu machen, das sich aus den Beschwerden der Bürger in den sozialen Medien ergibt.
O3.- Zusammenführung von Daten aus verschiedenen Quellen. Die Kombination von physischen und sozialen Sensoren in IoT-Szenarien kann mehrere Vorteile bieten. Soziale Sensoren können: (1) Semantik zu den quantitativen Informationen von physischen Sensoren hinzufügen, (2) Informationen liefern, wo physische Sensoren nicht in der Lage sind zu messen, oder (3) physikalische Sensorinformationen validieren. Tatsächlich sind Algorithmen des maschinellen Lernens und Visualisierungsstrategien obligatorisch, um beide Informationsquellen zu kombinieren, um echte Lösungen im Bereich der Wasserwirtschaft zu liefern.
O4.- Beschleunigung von Machine-Learning-Algorithmen: Die Algorithmen, die zur Erreichung der O1, O2 und O3 Ziele entwickelt wurden, werden mit großen Datensätzen arbeiten. Darüber hinaus müssen diese in einem reduzierten Intervall ausgeführt werden, um Echtzeit-Interaktionen zu erreichen. Um diese Algorithmen zu beschleunigen, ist daher ein Hochleistungsrechnerdesign erforderlich. Das Projekt wird verschiedene Prozessoren untersuchen, die in einer IoT-Infrastruktur verfügbar sind, von Low-Power-Prozessoren auf heterogenen Architekturen (Big.Little-Kerne, HSA, TPUs), die in SBCs (Single Board Computers) wie Raspberry Pi oder Arduino eingebettet sind, bis hin zu Hochleistungsprozessoren wie Nvidia-GPUs und Intel Xeon Phi-Architekturen auf Hochleistungsservern.
O5.- Entwicklung eines funktionellen Prototyps. Im Rahmen dieses Projekts soll ein funktioneller Prototyp der Hardware-Software-Infrastruktur für die Analyse semantisch angereicherter Daten aus der Wasserwirtschaft entwickelt werden. Dies bedeutet den Einsatz einer echten IoT-Infrastruktur in verschiedenen Bereichen, in denen das Wassermanagement von entscheidender Bedeutung ist. Darüber hinaus wird über eine Web-Anwendung ein Dashboard entwickelt, das Daten von physischen und sozialen Sensoren empfängt und die für die Wasserbewirtschaftung relevantesten Indikatoren visuell analysiert. Zweifellos wird dieser Prototyp zu einem echten und konkreten Produkt führen, das eine neuartige Dienstleistung für die Bewirtschaftung der Wasserressourcen bietet.
O6.- Erstellung verteilter hydrologischer Modelle auf physikalischer Basis. Die Vorhersage von Schlüsselvariablen für eine ordnungsgemäße Wasserressourcenplanung und -bewirtschaftung, wie etwa die Schätzung von Durchflussmengen in nicht überfüllten Einzugsgebieten oder die Vorhersage von Sedimenttransporten, wird mittels klassischer hydrologischer Modellierung bewertet, um die Ergebnisse mit denen zu vergleichen, die sich aus der Anwendung von Techniken des maschinellen Lernens ergeben.
Liste der Artikel in internationalen Fachzeitschriften (JCR): Die Ergebnisse wurden in renommierten internationalen Fachzeitschriften und Kongressen verbreitet. Die wichtigsten Veröffentlichungen, die aus den Projektergebnissen hervorgegangen sind, sind nachstehend aufgeführt:
1.- Gams, M., Gu, I. Y. H., Härmä, A., Muñoz, A., & Tam, V. (2019). Artificial intelligence and ambient intelligence. Journal of Ambient Intelligence and Smart Environments, 11(1), 71-86. Link
2.- GUILLEN-NAVARRO, M. A., MARTINEZ-ESPANA, R., Belen AYUSO & MORENO, L. (2019, August). An LSTM Deep Learning Scheme for Prediction of Low Temperatures in Agriculture. In Intelligent Environments 2019: Workshop Proceedings of the 15th International Conference on Intelligent Environments (Vol. 26, p. 130). IOS Press. Link
3.- Guillén‐Navarro, M. A., Martínez‐España, R., López, B., & Cecilia, J. M. (2019). A high‐performance IoT solution to reduce frost damages in stone fruits. Concurrency and Computation: Practice and Experience, e5299. COMPUTER SCIENCE, THEORY & METHODS [55/108] Q3. Link
4.- Cecilia, José M., and José M. García. “Re-engineering the ant colony optimization for CMP architectures.” The Journal of Supercomputing (2019): 1-22. COMPUTER SCIENCE, THEORY & METHODS [31/108] Q2. Link
5.- Terroso-Saenz, Fernando, Andres Muñoz, and José M. Cecilia. “QUADRIVEN: A framework for qualitative taxi demand prediction based on time-variant online social network data analysis.” Sensors 19.22 (2019): 4882. INSTRUMENTS & INSTRUMENTATION [15/64] Q1. Link
6.- Cecilia, J. M. (2020). Guest editors’ note: Special issue on novel high-performance computing algorithms and platforms in bioinformatics. The International Journal of High Performance Computing Applications, 34(1), 3–4 Enlace
7.- Guillén-Navarro, M. A., Martínez-España, R., Llanes, A., Bueno-Crespo, A., & Cecilia, J. M. (2020). A deep learning model to predict lower temperatures in agriculture. Journal of Ambient Intelligence and Smart Environments, (Preprint), 1-14. COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE [90/136] Q3. Link
9.- Cebrian, J. M., Imbernón, B., Soto, J., García, J. M., & Cecilia, J. M. (2020). High-throughput fuzzy clustering on heterogeneous architectures. Future Generation Computer Systems, 106, 401-411. COMPUTER SCIENCE, THEORY & METHODS [8/108] Q1. Link
10.- Terroso-Saenz, Fernando, and Andres Muñoz. “Land use discovery based on Volunteer Geographic Information classification.” Expert Systems with Applications 140 (2020): 112892. COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE [21/136] Q1. Link
11.- Fernández-Martínez, N.J. & Periñán-Pascual, C. LORE: a model for the detection of fine-grained locative references in tweets. Onomazein 52, 195-225. LINGUISTICS [169/183] Q4 Enlace
12.- Navarro, J. M., Martínez-España, R., Bueno-Crespo, A., Martínez, R., & Cecilia, J. M. (2020). Sound Levels Forecasting in an Acoustic Sensor Network Using a Deep Neural Network. Sensors, 20(3), 903 . INSTRUMENTS & INSTRUMENTATION [15/64] Q1. Link
13.- Jimeno-Sáez, P., Senent-Aparicio, J., Cecilia, J. M., & Pérez-Sánchez, J. (2020). Using Machine-Learning Algorithms for Eutrophication Modeling: Case Study of Mar Menor Lagoon (Spain). International Journal of Environmental Research and Public Health, 17(4), 1189. ENVIRONMENTAL SCIENCES [105/265] Q2. Link
14.- Guillén, M. A., Llanes, A., Imbernón, B., Martínez‑España, R., Bueno‑Crespo, A., Cano, J. C., & Cecilia, J. M. (2020). Performance evaluation of edge‑computing platforms for the prediction of low temperatures in agriculture using deep learning. JOURNAL OF SUPERCOMPUTING. COMPUTER SCIENCE, THEORY & METHODS [31/108] Q2. Link
15.- Muñoz, A., Park, J., Mouazen, A. M., de Oliveira, J. B., & Moshou, D. (2020). Smart environments and ambient intelligence in agricultural and environmental technology. Journal of Ambient Intelligence and Smart Environments, 12(5), 1-2. Link
16.- Jimeno-Sáez, P., Blanco-Gómez, P., Péres-Sánchez, J., Cecilia, J.M. & Senent- Aparicio, J. (2021). Impact Assessment of Gridded Precipitation Products on Streamflow Simulations over a Poorly Gauged Basin in El Salvador. Water 13 (18), 2497. WATER RESOURCES, [31/94] Q2. Link
17.- Cadenas, J. M., Garrido, M. C., Martínez-España, R., & Guillén-Navarro, M. A. (2020). Making decisions for frost prediction in agricultural crops in a soft computing framework. Computers and Electronics in Agriculture, 175, 105587. Link
18.- Cadenas, J. M., Garrido, M. C., & Martinez-España, R. (2020). Development of an application to make knowledge available to the farmer: Detection of the most suitable crops for a more sustainable agriculture. Journal of Ambient Intelligence and Smart Environments, 12(5), 419-432. Link
19.- Cecilia, J. M., Cano, J. C., Morales-García, J., Llanes, A., & Imbernón, B. (2020). Evaluation of Clustering Algorithms on GPU-Based Edge Computing Platforms. Sensors, 20(21), 6335. Link
20.- Andreo-Martínez, P., Ortiz-Martínez, V.M., Muñoz, A., Menchón-Sánchez, P., Quesada-Medina, J. (2021). A web application to estimate the carbon footprint of constructed wetlands, Environmental Modelling & Software, 135, 104898 Enlace
21.- Terroso-Sáenz, F., Muñoz, A., Arcas, F. (2021). Land-use dynamic discovery based on heterogeneous mobility sources, International Journal of Intelligent Systems, In press Enlace
22.- Guillén-Navarro, M. A., Martínez-España, R., Bueno-Crespo, A., Morales-García, J., Ayuso, B., & Cecilia, J. M. (2020). A decision support system for water optimization in anti-frost techniques by sprinklers. Sensors, 20(24), 7129. Link
23.- Cebrian, J. M., Imbernón, B., Soto, J., & Cecilia, J. M. (2021). Evaluation of Clustering Algorithms on HPC Platforms. Mathematics, 9(17), 2156. MATHEMATICS[24/330] Q1. Link
24.- FERNÁNDEZ MARTÍNEZ, N. J., & PERIÑÁN PASCUAL, C. (2020). Knowledge-based rules for the extraction of complex, fine-grained locative references from tweets. RaeL: Revista Electronica de Linguistica Aplicada, 19.
25.- Terroso-Sáenz, F., Muñoz, A., Fernández-Pedauye, J., & Cecilia, J. M. (2021). Human Mobility Prediction with Region-based Flows and Water Consumption. IEEE Access, 9, 88651 – 88663, doi: 10.1109/ACCESS.2021.3090582.
26.- Cecilia, J. M., Cano, J., Calafate, C. T., Manzoni, P., Perinan-Pascual, C., Arcas-Tunez, F., & Munoz-Ortega, A. (2021). WATERSensing: A smart warning system for natural disasters in Spain. IEEE Consumer Electronics Magazine. doi: 10.1109/MCE.2021.3063703.
27.- Senent-Aparicio, J., Jimeno-Sáez, P., López-Ballesteros, A., Giménez, J. G., Pérez-Sánchez, J., Cecilia, J. M., & Srinivasan, R. (2021). Impacts of swat weather generator statistics from high-resolution datasets on monthly streamflow simulation over Peninsular Spain. Journal of Hydrology: Regional Studies, 35, 100826. Link
28.- Senent-Aparicio, J., George, C., & Srinivasan, R. (2021). Introducing a new post-processing tool for the SWAT+ model to evaluate environmental flows. Environmental Modelling & Software, 136, 104944. Link
29.- Guillén, M. A., Llanes, A., Imbernón, B., Martínez-España, R., Bueno-Crespo, A., Cano, J. C., & Cecilia, J. M. (2021). Performance evaluation of edge-computing platforms for the prediction of low temperatures in agriculture using deep learning. The Journal of Supercomputing, 77(1), 818-840.
30.- Nakamura, K., Hernández, D., Cecilia, J. M., Manzoni, P., Zennaro, M., Cano, J. C., & Calafate, C. T. (2021). LADEA: A Software Infrastructure for Audio Delivery and Analytics. Mobile Networks and Applications, 1-7.
31.- Garrido, M. C., Cadenas, J. M., Bueno-Crespo, A., Martínez-España, R., Giménez, J. G., & Cecilia, J. M. (2022). Evaporation Forecasting through Interpretable Data Analysis Techniques. Electronics, 11(4), 536. ENGINEERING, ELECTRICAL & ELECTRONIC [145/273] Q3. Link
32.- Jimeno-Sáez, P., Martínez-España, R., Casalí, J., Pérez-Sánchez, J., Senent-Aparicio, J. (2022). A comparison of performance of SWAT and machine learning models for predicting sediment load in a forested Basin, Northern Spain. Catena, 212, 105953. WATER RESOURCES [12/98] Q1. Link
Internationalisierungsmaßnahmen
Das Projekt ermöglichte es, Kontakte zu anderen internationalen Forschern zu knüpfen und internationale Drittmittel in Anspruch zu nehmen. Für diese Jährlichkeit wurden insbesondere folgende internationale Mittel beantragt:
1.- PRIMA S1 2019 FARMING SYSTEMS IA. Im Rahmen dieser Ausschreibung wurde das Projekt OPTIGREEN ausgewählt, dessen Hauptziel die Entwicklung intelligenter Techniken zur Steuerung und Überwachung sensorgesteuerter Gewächshäuser unter Einsatz von IoT-Technologien war. Neun Partner aus Spanien, Frankreich, Italien, Griechenland, Portugal und Marokko nahmen teil. Koordinator des Vorschlags war die Firma NUTRICONTROL. Das UCAM-Team wurde von Dr. Andrés Muñoz Ortega geleitet. Der Vorschlag wurde nicht für die Endphase ausgewählt.
2.- Eurolab-4-HPC. Das europäische Projekt Eurolab-4-HPC 2019 wurde für die Markterkundung der im Rahmen dieses Projekts entwickelten Technologien in Auftrag gegeben.
3.- MSCA-ITN-2020: Die UPV wandte eine Marie-Curie-Aktion mit dem RIOT-Projekt an: Enabling IoT in rural scenarios mit einem Gesamtbudget von 3,6 Mio. €. An holistic approach, mit einer Bewertung von 72,2 von 100.
4.- CHIST-ERA 2019 (Novel computational approaches for Environmental Sustainability). Mitglieder der UPV und der UCAM unter der Leitung von Dr. Cecilia bewarben sich für diese Ausschreibung mit dem Projekt FloodingOT mit einem Gesamtbudget von 1.089.515,81 €.
5.- Research and Innovation action Topic FETPROACT-EIC-08-2020. UPV, UCAM und VIELCA haben diese Ausschreibung im Rahmen eines internationalen Konsortiums mit dem Projekt SMARTLAGOON mit einem Gesamtbudget von rund 4 Mio. € beantragt.
Hervorzuheben ist auch die Veranstaltung von zwei wissenschaftlichen Veranstaltungen, die mit dem Projekt in Zusammenhang stehen. Einerseits fand im Juni 2019 der Workshop „Intelligent Systems for Agriculture Production and Environment Protection (ISAPEP)“ im Rahmen der internationalen Konferenz „International Conference on Intelligent Environments (IE)“ unter der Leitung von Dr. Andrés Muñoz Ortega, in Rabat, Marokko, statt. Dies war der dritte Workshop, der Forscher anlockt, die sich mit der Anwendung intelligenter Systeme auf Agrar- und Umweltprobleme befassen. Darüber hinaus fand vom 3. bis 5. Juli 2019 die 8th International Conference on Meaning and Knowledge Representation (MKR) statt. Wie bei früheren Veranstaltungen konzentriert sich dieser Kongress auf Studien zur Bedeutung und Repräsentation von Wissen im multidisziplinären Kontext des Verständnisses natürlicher Sprache, nicht nur aus der Perspektive der Linguistik und der Kognitionswissenschaft, sondern auch der Wissenstechnik und der künstlichen Intelligenz. Beide Veranstaltungen ermöglichten es, neue Kontakte zu anderen Forschern zu knüpfen.
Weitere in Vorbereitung befindliche Finanzierungsvorschläge:
Zusätzlich zu den oben beschriebenen und auf der Grundlage der Forschungsergebnisse, die aus dem Projekt hervorgehen, bewerben sich die Konsortiumsmitglieder für weitere Projektausschreibungen, die nachstehend nach Kategorien aufgeführt sind:
COVIDSensing
Die Forschergruppe, die sich aus Mitgliedern der Universitat Politècnica de Valencia (UPV) und der Katholischen Universität San Antonio de Murcia (UCAM) zusammensetzt, hat als Ergebnis von Aktivität 1 einen Prototyp eines Social Sensor Tool zur Bewältigung von Problemen im Zusammenhang mit Wasser entwickelt. Dieses Tool, genannt WATERSensing, basiert auf der Analyse großer Mengen von Informationen aus verschiedenen Quellen (z. B. soziale Netzwerke, physische Sensoren usw.) in Echtzeit. Aufgrund der guten ersten Ergebnisse von WATERSensing und aufgrund der durch die COVID-19-Krankheit verursachten gesundheitlichen Notlage beschloss das Forschungsteam, bestehend aus UPV, UCAM und VIELCA, alle Ressourcen auf die Anpassung von WATERSensing an die Bewältigung der Pandemie-Krise zu konzentrieren, was zum Prototyp der COVIDSensing-Anwendung (COVIDSensing.com) führte, für die eine Reihe von Fördermitteln beantragt wurden:
– Fondos Supera COVID-19 Santader-CRUE. “Sistema de monitorización de las percepciones y preocupaciones de la gente respecto a la pandemia COVID-19”. Miembros: UCAM, UPV.
– La Caixa Foundation: “A social sensing strategy to build a systemic understanding of the socio-sanitary interrelations derived from the COVID-19 pandemic in Spain” Miembros: UCAM, UPV.
– Data-IA-COVID-19, Fundación BBVA: Diseño de un gemelo digital para la gestión eficiente de la pandemia COVID-19. Miembros: UCAM, UPV.
– Convocatoria FONDO-COVID19, Instituto de Salud Carlos III. COVIDSensing: Sistema de alertas basado en sensores sociales para el control epidemiológico. Miembros: UPV.
– Convocatoria COVID-19 A PROYECTOS DE I+D E INVERSIÓN 2020, CDTI. In der Redaktion. Miembros: UPV y VIELCA.
IoT + AI
– Retos de la sociedad. Ministerium für Wissenschaft und Innovation (Wissensgenerierung) Soziale Sensoren in intelligenten Städten: Zusammenführung multimodaler Informationen in sozialen Netzwerken zur Erkennung von Problemen in mehreren Bereichen. Miembros: UCAM, UPV.
– Leonardo-Stipendien für Forscher und Kulturschaffende 2020.: Hochleistungs-IoT-Infrastrukturen für die Echtzeit-Datenanalyse. Miembros: UPV
Verbreitung und Verbreitung der Ergebnisse
– Ministerium für Wissenschaft und Innovation (FECYT). HYDROTWEETRekonstruktion von Straßen durch Bürgerwissenschaft und soziale Netzwerke. Miembros: UCAM.
Wissenschaftliche Verbreitungsaktivitäten:
1.- Online-Seminar Anwendung von Techniken des maschinellen Lernens für die Bewirtschaftung der Wasserressourcen. Observatorio del Agua. Fundación Botín. 5. Mai 2020.
2.- RUNDER TISCH: IoT, BIGDATA UND INTELLIGENTE STEUERUNG IM WASSERDIENST. Jornadas Smart Water. DIATIC 2019. 17. Mai 2019.
3.- Versammlung des IKT-Technologiezentrums vor den 50 Partnerunternehmen des Zentrums, die unter https://centic.es/quienes-somos/nuestras-empresas/ eingesehen werden können, wo die Ergebnisse des Projekts vorgestellt wurden.
Nationale und internationale Kongresse:
1.- Guillén-Navarro, M Ángel; Martínez-España, Raquel; Bueno-Crespo, Andrés; Ayuso, Belén; Moreno, Jose Luis; Cecilia, José M; ,An LSTM Deep Learning Scheme for Prediction of Low Temperatures in Agriculture.,Intelligent Environments (Workshops),130-138,2019.
2.- Fernández-Martínez, Nicolás José; Periñán-Pascual, Carlos; Felices-Lago, Ángel Miguel; A linguistically-aware model for microtext geocoding. VIII International Conference on Meaning and Knowledge Representation, 2019.
3.- Carlos Periñán-Pascual, José M. Cecilia, Alicia Sepúlveda-Muñoz, Francisco Arcas-Túnez y Nicolás José Fernández-Martínez. Assessing the Impact of Tweets in Flood Events; 1st International Workshop on Social Media Analysis for Intelligent Environment (16th International Conference on Intelligent Environments), 2020.
4.- Fernández Pedauyé, Julio, Periñán-Pascual, Carlos, Arcas Túnez, Francisco y Cecilia Canales, José M. Evaluation of spaCy entity recognizer for crowdsensing; 1st International Workshop on Open and Crowdsourced Location Data (16th International Conference on Intelligent Environments), 2020.
5.- Cadenas, J. M., Garrido, M. C., & Martinez-España, R, Towards the characterization of agricultural regions based on weather conditions – Sustainable Agriculture. Intelligent Environments 2020: Workshop Proceedings of the 16th International Conference on Intelligent Environments (Vol. 28). 143-151 IOS Press, 2020.
6.- Nakamura, K., Manzoni, P., Zennaro, M., Cano, J. C., Calafate, C. T., & Cecilia, J. M. (2020, September). FUDGE: a frugal edge node for advanced IoT solutions in contexts with limited resources. In Proceedings of the 1st Workshop on Experiences with the Design and Implementation of Frugal Smart Objects (pp. 30-35).
7.- Fernández-Pedauye, J., Periñán-Pascual, C., Arcas-Túnez, F., & Cecilia, J. M. (2020). Enhancing the spaCy Named Entity Recognizer for Crowdsensing. In Intelligent Environments 2020 (pp. 361-367). IOS Press.
8.- García, J. M., Llanes, A., Tudela, B. I., & Cecilia, J. M. (2020). Performance Evaluation of Clustering Algorithms on GPUs. In Intelligent Environments 2020 Workshop Proceedings of the 16th International Conference on Intelligent Environments (pp. 400-409). IOS Press.
9.- Pascual, C. P., Cecilia, J. M., Muñoz, A. S., Túnez, F. A., & Martínez, N. J. F. (2020). Assessing the Impact of Tweets in Flood Events. In Intelligent Environments 2020 Workshop Proceedings of the 16th International Conference on Intelligent Environments (pp. 371-380). IOS Press.
10.- Fernández Martínez, Nicolás José and Carlos Periñán-Pascual (2020) “Knowledgebased rules for the extraction of complex, fine-grained locative references from tweets”. RAEL: Revista Electrónica de Lingüística Aplicada 19 (1), pp. 136-163..
11.- Pérez-Sánchez, J., Senent-Aparicio, J., Jimeno-Sáez, P., Casalí, J., Martínez-España, R. Comparison between SWAT and Machine Learning Techniques for Sediment Load Estimation in a Forested Basin. AGU Fall Meeting 2021
Organisation von Konferenzen und Workshops
1.- International Workshop on Social Media Analysis for Intelligent Environment (SMAIE), organisiert von Dr. Raquel Martínez-España y Dr. Andrés Bueno Crespo
2.- International Workshop on Intelligent Systems for Agriculture Production and Environment Protection (ISAPEP), organizado por Dr. Andrés Muñoz Ortega y Dr. José Martín Soriano-Disla
3.- International Workshop on Open and Crowdsourced Location Data(ISOCLOD), organizado por Dr. Fernando Terroso-Sáenz y Dr. Andrés Muñoz Ortega
4.- Special Track on IT for Environmental Intelligence as part of the ACM International Conference on Information Technology for Social Good (GoodIT 2021).
5.- IEEE/ACM DS-RT 2021 The 25th International Symposium on Distributed Simulation and Real Time Applications.
Aufenthalt von Forschern
Dr. Javier Senent Aparicio
Durchführungsstelle: Aarhus University
Stadt der Durchführungsstelle: Aarhus, Dinamarca
Beginn-Ende: 01.02.2020 – 30.04.2020
Laufzeit: 3 Monate
Bezeichnung des Programms: Stipendium Jiménez de la Espada – Fundación Séneca
Ziele des Aufenthalts: Postdoctoral
Dr. Javier Senent Aparicio
Durchführungsstelle: Texas A&M University
Art der Organisation: Hochschule
Fakultät, Institut, Zentrum: Ecosystem Science & Management Department
Stadt der Durchführungsstelle: College Station, Estados Unidos de América
Beginn-Ende: 01/02/2019 – 30/04/2019
Laufzeit: 3 Monate
Träger: Fulbright-Stipendium
Art der Organisation: Stiftung
Bezeichnung des Programms: Fulbright-Programm für Postdoktoranden
Ziele des Aufenthalts: Postdoctoral
Unternehmerische Tätigkeiten
Die Forscher José M. Cecilia und Andrés Muñoz waren während der Laufzeit dieses Projekts an zwei wissenschaftlichen Unternehmungen beteiligt. Konkret handelt es sich dabei um: Gewährung und Durchführung des Konzepttests „Marktforschung, wirtschaftliche Machbarkeit und Competitive Intelligence-Prozesse der Analyse sozialer Sensoren“, der von der Seneca-Stiftung mit 30.000 € im Laufe des Jahres 2019 finanziert wird. Einreichung von Vorschlägen für wissenschaftliche Unternehmungen im Rahmen des Spin-ON-Programms, das vom Vizerektorat für Forschung und dem Technologischen Institut von Murcia der Katholischen Universität San Antonio (UCAM) organisiert wird. In der Auswertung.
Unternehmerische Tätigkeiten
1.- Vielca Ingenieros wird ein Forschungsprojekt zur Optimierung des intelligenten Managements von Wasserressourcen leiten Link
2.- Internet der Dinge” und Hydroconta-Technologie für effizientes Wassermanagement Link
3.- Forschung zur Optimierung der Wasserwirtschaft erhält 1,3 Mio. € vom Ministerium Link
4.- Abgeleitete Nachrichten über die Veröffentlichung von WATERSensing Link
5.- Erstellen Sie eine Anwendung, die hilft, Katastrophen durch Beiträge in sozialen Netzwerken zu verwalten – Levante-EMV Link
6.- Valencianische Forscher entwickeln ein System zur Analyse von Überschwemmungen aus Publikationen in Netzwerken Link
7.- WATERSensing, eine App, die hilft, widrige Wetterphänomene in Echtzeit zu verwalten Link
8.- Wir sprachen mit Jasé María Cecilia, Forscherin der UPV, über die App “Watersensing” Link
9.- Eine ‘App’ hilft bei der Bewältigung von Katastrophen durch große Stürme durch Veröffentlichungen in Netzwerken Link
10.- WaterSensing, die Anwendung, die mit sozialen Netzwerken das Krisenmanagement extremer Wetterereignisse vorwegnimmt Link
1.- José M. Cecilia. Vortrag am RUNDEN TISCH: IoT, BIGDATA UND INTELLIGENTE STEUERUNG IM DIENSTE DES WASSERS. Gastbeitrag bei Smart Water Days. DIATIC 2019 Murcia Donnerstag, 16. Mai 2019. Organisiert von der Berufsschule für Informatikingenieure der Region Murcia
2.- José M. Cecilia. Online-Seminar Anwendung von Machine Learning-Techniken für die Wasserwirtschaft. Observatorio del Agua. Fundación Botín. 5. Mai 2020.
3.- Andrés Muñoz. Webinar “Inteligencia Artificial: la Verdadera Revolución de Nuestra Sociedad”. Organisiert von der Stiftung Integra, 10 November 2020.
4.-SensingTools: Digitization for process optimization through data efficient data integration. Online-Seminar an der Queens University. Freitag, 11. Juni 2021.
5.-Die Verwendung von sozialen Sensoren bei der Verwaltung von öffentlichen Dienstleistungen SensingTools. Im Rahmen der “Technische Unterstützung für die Analyse des Handelsmanagements” für das Costarricanische Institut für Aquädukte und Kanalisation (AyA). 6. Mai 2021.
6.-Die Verwendung von sozialen Sensoren bei der Verwaltung öffentlicher Dienstleistungen SensingTools. Im Rahmen der „Beratung über Ausrüstung und Technologie zur Optimierung des kommerziellen Managements und der Versorgung mit nicht in Rechnung gestelltem Wasser“ für die Nationale Verwaltung für Trinkwasser und Abwasserentsorgung (ANDA) der Republik El Salvador. 30. April 2021.
7.-Datenfusion und Echtzeitanalyse: Schlüssel zur Effizienzsteigerung. Online-Chat CENTIC Experten. 10. Dezember 2020.
8.-Deep Learning, jenseits der Grenzen des maschinellen Lernens. Webinar CENTIC. 1. Dezember 2020.
9.-Planung und Verwaltung von Wasserressourcen durch IoT-Datenanalyse (WateroT). Universitätsinstitut für Informatikforschung. 19. November 2020.
10.-Online-Seminar Anwendung von Techniken des maschinellen Lernens für das Management der Wasserressourcen. Observatorio del Agua. Fundación Botín. 5. Mai 2020.
