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