7 Künstliche Intelligenz in der Hydrogeologie
Leitung: Stefan Broda, Tanja Liesch
Mittwoch, 10:30-12:15, HS 2
Methoden der künstlichen Intelligenz (KI), insbesondere das maschinelle Lernen (ML), gewinnen in vielen Disziplinen zunehmend an Bedeutung. Auch in der Hydrogeologie sind sie in den letzten Jahren vermehrt anzutreffen. Die Anwendungen umfassen dabei räumliche Klassifikations- und Regressionsaufgaben, Zeitreihenvorhersagen, Signalverarbeitung, Ausreißertests, Ereignisklassifikation, Bias-Korrektur und viele andere. Die zur Anwendung kommenden Methoden sind beispielsweise künstliche neuronale Netze, Support-Vektor-Machines, Self-Organizing Maps, Entscheidungsbäume, Random Forest oder genetische Algorithmen. Die Session spricht insbesondere, aber nicht ausschließlich folgende Themen an:
1) Neuartige Anwendungsbeispiele von KI-Modellen in der Hydrogeologie, z.B. intelligente Aquifer-Charakterisierung, Fernerkundungsdatenverarbeitung, Niederschlags-Abfluss-Modellierung, Zeitreihenvorhersage,
2) Entwicklung und/oder Anwendung fortgeschrittener Modelltypen für hydrogeologische Fragestellungen, einschließlich der Integration physikalischer Randbedingungen (physics-guided AI),
3) vergleichende Anwendungen von ML-Algorithmen und physikalischen oder statistischen Modellen,
4) erklärbare KI (explainable AI)
5) ML-unterstützte Datenanalytik.
Export as iCal:
Poster
P 7.1 | Holger Kaiser, Lina Grötzinger IoT in der Grundwassersanierung |
P 7.2 | Maximilian Nölscher, Stefa Broda, Michael Mutz Multiorder Hydrologic Position for Europe (EU-MOHP) – ein neuer Grundlagendatensatz für machine learning Anwendungen in der Hydrogeologie |
<< Zurück zur Liste