JavaScript ist deaktiviert
Die JavaScript-Funktionalität Ihres Browsers ist deaktiviert. Um diese ConfTool-Funktion nutzen zu können, müssen Sie JavaScript aktivieren.
Hier finden Sie Informationen zur Aktivierung von JavaScript.
Bei Fragen oder Problemen wenden Sie sich bitte an das Organisationsteam unter fhdggv2024-conftool@fu-confirm.de.

Veranstaltungsprogramm

Eine Übersicht aller Sessions/Sitzungen dieser Veranstaltung.
Bitte wählen Sie einen Ort oder ein Datum aus, um nur die betreffenden Sitzungen anzuzeigen. Wählen Sie eine Sitzung aus, um zur Detailanzeige zu gelangen.

Sitzungsübersicht

Sitzung

In Ihren lokalen Kalender importieren

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

Mobile Ansicht Druckansicht

Impressum · Kontaktadresse:

fhdggv2024-conftool{at}fu-confirm dot

Datenschutzerklärung · Veranstaltung: FH-DGGV 2024