KIT | KIT-Bibliothek | Impressum | Datenschutz

Wochen-, Monats-und Jahreszeitenvorhersage von Grundwasserständen mit künstlichen neuronalen Netzen [in press]

Broda, S.; Wunsch, A.; Liesch, T.

Abstract:
Die Qualität und Zuverlässigkeit der Modellierung und Vorhersage von Grundwasserständen mittels physikalisch-basierter numerischer Grundwasserströmungsmodelle hängen stark von der Verfügbarkeit von Felddaten für die Modellparametrisierung ab. Insbesondere bei (über)regionalen Studien scheitern diese Modelle oft wegen fehlender oder unvollständiger Informationen, beispielsweise hinsichtlich der räumlichen Ausdehnung der einzelnen geologi-schen Formationen und ihrer hydraulischen Eigenschaften. Ansätze, die auf künstlicher Intelligenz beruhen, wie künstliche neuronale Netze, sind eine vielversprechende Alternative, da sie die Fragestellung auf eine einfache Input-Output-Beziehung reduzieren, während Beschreibungen des physikalischen Prozesses entfallen.Eine zuverlässige Vorhersage des Grundwasserspiegels ist unabdingbar für die die Ableitung von Wasserverfügbar-keits-und Bewässerungsanforderungen in der Trinkwasserversorgung und Landwirtschaft, der Abgrenzung mögli-cher Landsenkungszonen durch extrem niedrige Grundwasserstände im Zusammenhang mit Dürre und ... mehr



Zugehörige Institution(en) am KIT Institut für Angewandte Geowissenschaften (AGW)
Publikationstyp Proceedingsbeitrag
Jahr 2018
Sprache Deutsch
Identifikator ISSN: 1619-8050
KITopen-ID: 1000095492
Erschienen in Grundwasser im Umfeld von Bergbau, Energie und urbanen Räumen, Herausgeber: Banning, A. W.; Frank, S.; Kaufmann-Knoke, R.; Niedermayr, A.; Wisotzky, F.; Wohnlich, S.
Veranstaltung 26. Tagung der FH-DGGV (FH-DGGV 2018), Bochum, Deutschland, 21.03.2018 – 24.03.2018
Verlag Institut für Geologie, Mineralogie und Geophysik, Lehrstuhl Angewandte Geologie - Hydrogeologie
Serie Bochumer geowissenschaftliche Arbeiten ; 24
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page