Eine wichtige systemtechnische Komponente von Solarthermieanlagen ist die Regelung. Wesentliche Kosten dieser Komponente entstehen bei der Programmierung der Regelalgorithmen. Hier könnte die Nutzung der Methodik von Neuronalen Netzwerken erhebliche Kostenvorteile erschließen. Gleichzeitig bieten sich damit auch ganz neue Möglichkeiten der Regelungsoptimierung in Hinblick auf die Energieeffizienz. Wesentliches Ziel des Projektes ANNsolar ist es, die monetären und technischen Vorteile der Methodik der Neuronalen Netzwerke für die Solarthermie nutzbar zu machen und zu belegen. Die Option, selbstlernende Algorithmen zu generieren, erlaubt wesentlich einfacher komplexe Regelungsstrategien zu realisieren, welche eine Steigerung der Energieeffizienz ermöglichen. Im vorgestellten Projekt geht es dabei zunächst darum, die Grundlagen für die Anwendung von Neuronalen Netzwerken in der Solarthermie zu schaffen. Im Fokus steht dabei die Entwicklung von Trainings- und Selbstlernalgorithmen. In einem zweiten Schritt wird für die Anwendung 'Solarkreis-Heizkreisreglung' eine Regelung mit der Methodik der Neuronalen Netzwerke realisiert. Damit soll der Nachweis erbracht werden, dass die Neuronalen Netzwerke eine geeignete Methodik für die Regelung von solarthermischen Heizungsanlagen darstellen.
In zwei bewaldeten Einzugsgebieten (Lehstenbach- und Steinkreuzeinzugsgebiet) wurden die Wechselwirkungen zwischen Fliesswegen und Verweilzeiten sowie der Einfluss der vermoorten Flaechen auf die Schwefel- und Stickstoffumsaetze untersucht. Dafuer standen die im Rahmen langjaehriger Monitoringprogramme erhobenen umfangreiche Datensaetze zur Verfuegung. Diese umfassen meteorologische, bodenhydrologische, hydrogeologische, sowie Messungen in den Oberflaechengewaessern. Die zeitliche Aufloesung der physikalischen Daten ist mindestens stuendlich, und vierzehntaegig fuer die meisten hydrochemischen Daten. Fuer das Lehstenbacheinzugsgebiet lag ein Datensatz ueber zehn, und fuer das Steinkreuzgebiet ueber drei Jahre vor. Zusaetzlich wurde in beiden Einzugsgebieten eine Bodenradar-(GPR-)Aufnahme durchgefuehrt. Im Steinkreuzgebiet wurden ueber zwei Jahre hinweg eine hoch 18 O und hoch 2 H-Studie durchgefuehrt. Im Lehstenbachgebiet wurden zusaetzlich zeitlich hoch aufgeloeste hydrochemische Messungen im Grund- und Oberflaechenwasser, der Bestimmung hydrochemischer Gradienten in den Vorflutern und Pumpversuche durchgefuehrt. In zwei Steady-State-Tracerexperimenten im ueberdachten Gaerdsjoen-G1-Einzugsgebiet (Schweden) konnten auf Einzugsgebietsebene Experimente unter kontrollierten hydrologischen Randbedingungen durchgefuehrt werden, die ansonsten nur im Labor moeglich sind. Fuer das Lehstenbachgebiet wurde ein zweidimensionales Niederschlags-Abfluss-Modell angewendet. Das raeumliche Muster der mittleren Grundwasserstaende wurde durch ein Grundwassermodell unter Gleichgewichtsannahme modelliert. Zeitreihen des Lehstenbachgebietsabflusses sowie der Konzentrationen verschiedener Inhaltsstoffe beider Einzugsgebiete wurden mittels neuronaler Netze simuliert.