Veranstaltungsprogramm

Sitzung
22: Künstliche Intelligenz und Machine Learning in der Grundwasserforschung
Zeit:
Samstag, 23.03.2024:
10:30 - 12:00

Chair der Sitzung: Tanja Liesch, Karlsruher Institut für Technologie KIT
Chair der Sitzung: Stefan Broda, Bundesanstalt für Geowissenschaften und Rohstoffe
Ort: Konferenzraum 1

Sitzungsthemen:
22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Präsentationen
10:30 - 10:45
ID: 142 / Thema 22: 1
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Globale Entity-Aware Deep Learning Modelle für die Grundwasserstandsvorhersage

Benedikt Heudorfer1, Tanja Liesch1, Stefan Broda2

1Karlsruher Institut für Technologie (KIT), Institut für angewandte Geowissenschaften, Kaiserstr. 12, 76131 Karlsruhe; 2Bundesanstalt für Geowissenschaften und Rohstoffe (BGR), Wilhelmstr. 25–30, 13593 Berlin

 


10:45 - 11:00
ID: 318 / Thema 22: 2
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Entwicklung eines globalen Modells für kurzfristige Grundwasserstandsvorhersagen unter Anwendung des Temporal Fusion Transformers

Alexander Schulz2, Stefan Kunz1, Maximilian Nölscher1, Maria Wetzel1, Stefan Broda1, Felix Biessmann2

1Bundesanstalt für Geowissenschaften und Rohstoffe, Deutschland; 2Berliner Hochschule für Technik (BHT)

 


11:00 - 11:15
ID: 238 / Thema 22: 3
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung
Stichworte: 20

ML-basierte Ersatzmodelle in der Kalibrierung und Unsicherheitsberechnung aufwändiger Modelle der gesättigt-ungesättigten Untergrundströmung

Olaf Cirpka1, Jonas Allgeier2

1Universität Tübingen, Deutschland; 2BoSS Consult GmbH, Stuttgart, Deutschland


Cirpka-ML-basierte Ersatzmodelle in der Kalibrierung und Unsicherheitsberechnung aufwändiger Modelle der .jpg


11:15 - 11:30
ID: 162 / Thema 22: 4
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Prognose von Grabenstrukturen mittels Random Forest

Jost Wessels, Mithra-Christin Hajati, Jörg Elbracht

Landesamt für Bergbau, Energie und Geologie (LBEG) Niedersachsen, Stilleweg 2, 30655 Hannover


Wessels-Prognose von Grabenstrukturen mittels Random Forest-162.png


11:30 - 11:45
ID: 189 / Thema 22: 5
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Die Eignung von Modellen des maschinellen Lernens für die gekoppelte Vorhersage von Grundwasserständen und Grundwasserversalzung

Fabienne Doll1, Stefan Broda2, Benedikt Heudorfer1, Stefan Kunz2, Martin Thullner2, Maria Wetzel2, Tanja Liesch1

1Karlsruher Institut für Technologie, Deutschland; 2Bundesanstalt für Geowissenschaften und Rohstoffe

 


11:45 - 12:00
ID: 148 / Thema 22: 6
Vortrag
Themen: 22. Künstliche Intelligenz und Machine Learning in der Grundwasserforschung

Bestimmung der Anhydrit- und Gipslöslichkeit durch neuronale Netze für die Modellierung gekoppelter Prozesse beim Quellen von Ton-Sulfat-Gestein

Reza Taherdangkoo, Christoph Butscher

TU Bergakademie Freiberg (TUBAF), Ingenieurgeologie und Umweltgeotechnik, Deutschland


Taherdangkoo-Bestimmung der Anhydrit- und Gipslöslichkeit durch neuronale Netze für die Modellierung g.jpg