Show simple item record

dc.contributor.authorLiesch, Tanja
dc.contributor.authorBruns, Julian
dc.contributor.authorAbecker, Andreas
dc.contributor.authorHilbring, Désirée
dc.contributor.authorKarimanzira, Divas
dc.contributor.authorMartin, Tobias
dc.contributor.authorWagner, Martin
dc.contributor.authorWunsch, Andreas
dc.contributor.authorFischer, Thilo
dc.contributor.editorReussner, Ralf H.
dc.contributor.editorKoziolek, Anne
dc.contributor.editorHeinrich, Robert
dc.date.accessioned2021-01-27T13:33:07Z
dc.date.available2021-01-27T13:33:07Z
dc.date.issued2021
dc.identifier.isbn978-3-88579-701-2
dc.identifier.issn1617-5468
dc.identifier.urihttp://dl.gi.de/handle/20.500.12116/34689
dc.description.abstractNitrat im Grundwasser stellt weltweit unter anderem für die Trinkwasserversorgung ein großes Problem dar. Die Verteilung von Nitrat im Grundwasser ist dabei das Ergebnis eines komplexen Zusammenspiels vieler Einflussfaktoren, welches sich mit herkömmlichen Modellen für große Gebiete aufgrund der hohen Komplexität der Domäne nur schwer modellieren lässt. KI-Anwendungen, insbesondere Neuronale Netze bzw. Deep Learning Verfahren, lassen als datenbasierte Modelle, die komplexe Zusammenhänge aus einer großen Datenmenge extrahieren und übertragen können, hier einen deutlichen Mehrwert bei der zeitlich-räumlichen Vorhersage von Nitratwerten erwarten. Im vorliegenden Projekt soll daher ein übergreifendes System entwickelt werden, welches KI Verfahren mit Methoden der Umweltinformatik und speziell der Wasserdomäne kombiniert. Hierzu kommen State-of-the-Art Machine Learning Methoden wie Convolutional Neural Networks und Long short-term Memory Netzwerke zum Einsatz, um so eine verbesserte räumliche und zeitliche Vorhersage von Nitrat im Grundwasser zu erzielen und damit zur effizienten und nachhaltigen Nitrat-Reduzierung beizutragen. Diese werden mit Methoden des Operation Research und der semantischen Datenintegration erweitert, um damit einen Endnutzer bei der Entscheidungsfindung intelligent zu unterstützen.de
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2020
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-307
dc.subjectConvolutional Neural Networks
dc.subjectLong-Short Term Memory Networks
dc.subjectGrundwasser
dc.subjectNitrat
dc.titleNitrat-Monitoring 4.0 – Intelligente Systeme zur nachhaltigen Reduzierung von Nitrat im Grundwasserde
mci.reference.pages1069-1079
mci.conference.sessiontitleKünstliche Intelligenz in der Umweltinformatik
mci.conference.locationKarlsruhe
mci.conference.date28. September - 2. Oktober 2020
dc.identifier.doi10.18420/inf2020_101


Files in this item

Thumbnail

Show simple item record