Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
  •   Etusivu
  • LUTPub
  • Diplomityöt ja Pro gradu -tutkielmat
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Predictive modelling for IoT enabled waste management system

Kugblenu, Carl Makafui (2018)

Katso/Avaa
PERCCOM-Master-Thesis-Carl-Kugblenu.pdf (1.285Mb)
Lataukset: 


Diplomityö

Kugblenu, Carl Makafui
2018

School of Engineering Science, Tietotekniikka

Kaikki oikeudet pidätetään.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2018110647396

Tiivistelmä

The research presents a web based Decision Support System(DSS) that operates within the waste management and IoT ecosystem. The DSS leverages temperature, humidity, fill-level and weight about the Smart Garbage Bins(SGB) to improve waste collection and reduce the number of messages being sent by the SGBs by predicting the send intervals based on frequency of the same data. We demonstrate the efficiency of our approach with a decision tree and compare with four machine learning predictive classifiers: i) Random Forest ii) Naïve Bayes iii)K Nearest Neighbour iv) Support Vector Classifier. Results demonstrate that decision perform best based on accuracy, precision and recall. It also improves the waste collection process and can reduce the number of messages sent by the SGB by 44% to 45% of the original message count.
Kokoelmat
  • Diplomityöt ja Pro gradu -tutkielmat [13843]
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetKoulutusohjelmaAvainsanatSyöttöajatYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy
LUT-yliopisto
PL 20
53851 Lappeenranta
Ota yhteyttä | Tietosuoja | Saavutettavuusseloste