Maschinelles Lernen in der Grundwasserforschung

Stefan Broda¹, Tanja Liesch², Pia Ebeling³

¹ Bundesanstalt für Geowissenschaften und Rohstoffe (BGR), Hannover
² Karlsruher Institut für Technologie (KIT)
³ Helmholtz-Zentrum für Umweltforschung (UFZ), Leipzig

In der Hydrogeologie werden in den letzten Jahren zunehmend Methoden des maschinellen Lernens (ML) eingesetzt. Die Anwendungen umfassen u. a. räumliche Klassifikation und Regression, Zeitreihenvorhersage und vieles mehr. Dabei kommen z. B. künstliche neuronale Netze, Self-Organizing Maps, Random Forest oder genetische Algorithmen zum Einsatz. Die Session behandelt insbesondere, aber nicht ausschließlich, folgende Themen:

Anwendungsbeispiele von KI-Modellen in der Hydrogeologie, z. B. zur intelligenten Aquifercharakterisierung, Regionalisierung von Grundwassergüteparametern oder Zeitreihenvorhersage
Anwendung fortgeschrittener ML-Modelltypen, einschließlich der Integration physikalischer Randbedingungen (physics-guided AI)
erklärbare KI (xAI)
ML-basierte Datenanalyse