Browsing by Author "Kmoch, Alexander, juhendaja"

Now showing 1 - 3 of 3

Analyzing the relationships between crime and socio-economic and spatial factors using random forest: a case study of Tallinn
(Tartu Ülikool, 2024) Yu, Cheng-Wei; Uuemaa, Evelyn, juhendaja; Kalm, Kadi, juhendaja; Kmoch, Alexander, juhendaja; Zalite, Janis, juhendaja; Tartu Ülikool. Geograafia osakond; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
The spatial factors of crime and its socioeconomic background are important topics in crime research. This study uses a grid framework to represent various spatial, environmental, and socioeconomic factors across Tallinn in 500-meter grids. The study aims to predict the number of crimes in each grid cell through a random forest machine learning model and identify the main contributing factors. Machine learning models do not explain causal relationships between variables but highlight possible correlations, so crime factors need to be discussed within Tallinn's context. Among various types of crime, the factor of commercial locations shows the strongest relationship with the number of crimes. These reflect the concentration of economic activities, assets, and the gathering of people, which are important conditions for crime motivations. Secondly, factors such as the number of renters and the population with low socioeconomic status are associated with the number of crimes against public order.
Geospatial data harmonization and machine learning for large-scale water quality modelling
(2022-10-11) Virro, Holger; Uuemaa, Evelyn, juhendaja; Kmoch, Alexander, juhendaja; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Põllumajanduslik reostus põhjustab jätkuvalt magevee kvaliteedi üleilmset halvenemist. Tõhusate veemajandamise meetmete väljatöötamisel on oluline osa veekvaliteedi modelleerimisel. Veekvaliteedi laialdaseks modelleerimiseks on aga vajalik hea ruumilise katvusega lähteandmete olemasolu. Töö eesmärk oli parandada ja harmoniseerida veekvaliteedi modelleerimiseks vajalikke andmestikke ning arendada välja masinõppe raamistik, mida saaks kasutada riigiüleseks veekvaliteedi modelleerimiseks. Töö üheks väljundiks on Eesti mullastikuandmebaas EstSoil-EH. EstSoil-EH atribuudid olid sisendiks masinõppe mudelile, mida kasutasin mulla orgaanilise süsiniku sisalduse prognoosimiseks. Selgus, et proovivõtukohtade keskkonnatingimused mõjutasid mudeli prognoosi täpsust. Globaalse veekvaliteedi andmete parandamiseks loodi viie andmestiku põhjal andmebaas Global River Water Quality Archive (GRQA). Mullasüsiniku mudeli loomise käigus õpitu põhjal arendati välja raamistik üle-eestiliseks veekvaliteedi modelleerimiseks. Mudel prognoosis toitainete kontsentratsioone 242 Eesti jõe valglas. Saadud mudelite täpsus on võrreldav Baltimaades varem rakendatud mudelitega. Mudelite täpsust mõjutas valglate suurus, kuna prognoosid olid üldjuhul ebatäpsemad väiksemates valglates. Seejuures piisas rahuldava täpsuse saavutamiseks vähem kui pooltest tunnustest, mis näitab, et tunnuste arvust olulisem on nende kirjeldusvõime. Seega on loodud masinõppe mudelid rakendatavad piirkondades, kus tunnuste tuletamiseks vajalike lähteandmete katvus on piiratud.
Veebipõhise kaardirakenduse kui ruumilisi otsustusi toetava süsteemi loomine päästevõrgustiku planeerimiseks Eestis
(Tartu Ülikool, 2024) Remmelg, Ats; Uuemaa, Evelyn, juhendaja; Kmoch, Alexander, juhendaja; Tartu Ülikool. Geograafia osakond; Tartu Ülikool. Loodus- ja täppisteaduste valdkond
Uurimistöö tulemusena valmis veebipõhine kaardirakendus, mille loomiseks kasutati vabavaralist tehnoloogiat: kasutajaliidese puhul Leaflet, Vue.js ja Quasar ning andmehalduseks GeoServer ja PostgreSQL PostGIS laiendiga. Rakendusse lisati Päästeameti poolt soovitud funktsionaalsused, töö käigus kaasati Päästeameti esindajad kogumaks tagasisidet, et luua nende vajadustele vastav süsteem. Loodud veebipõhine GIS leiab kasutust Eesti päästevõrgustiku planeerimisel ning jääb avalikult kättesaadavaks.