Aktuelle Vorhersage: Am Mittwoch werden das Nacht-Hochwasser an der deutschen Nordseeküste und in Emden sowie das Morgen-Hochwasser in Bremen und Hamburg <b>1 bis 3 dm </b><b>höher</b> als das mittlere Hochwasser eintreten.
Das Projekt "Anwendung von Methoden des maschinellen Lernens zur Verbesserung der Prognosen und Analysen der BfG" wird/wurde gefördert durch: Bundesministerium für Digitales und Verkehr. Es wird/wurde ausgeführt durch: Bundesanstalt für Gewässerkunde.Veranlassung Methoden des maschinellen Lernens kommen in der gewässerkundlichen Praxis der BfG bisher nur vereinzelt zum Einsatz. Im Kontext der Prognose sollen eine weitere Steigerung der Vorhersagegüte erzielt, längerfristige Vorhersageskalen erschlossen und innovative Beratungsprodukte generiert werden. Im Bereich der Klassifikation kann eine intelligente Vorbeurteilung von Ölverschmutzungen z.B. einen effizienteren Einsatz unbemannter Systeme ermöglichen und den teuren Datentransfer bei Flügen in weiter Entfernung reduzieren. Die Anwendung auf digitale Orthofotos ermöglicht eine Identifizierung von Vegetation mit erhöhtem Automatisierungsgrad auf großer Fläche, z.B. für eine effiziente Erstellung von Vegetations- und Biotoptypenkartierungen. Methoden zur Regression können im Kontext der Qualitätskontrolle, Aus- und Bewertung von Bodenfeuchtemessungen eingesetzt werden, um Messfehler zu identifizieren und zu korrigieren, fehlende Werte zu interpolieren sowie tiefengestaffelt zu disaggregieren. Ziele - wissenschaftliche Erkenntnis und Datenharmonisierung: Untersuchung praktischer Anwendbarkeit von Methoden des maschinellen Lernens für ausgewählte BfG-Fachaufgaben (Messdatenplausibilisierung, Abfluss- und Wasserstandsvorhersage, Vegetationskartierung, Ölerkennung) - Technologietransfer: Überführung zielführender Methoden des maschinellen Lernens in zentrale Dienste und Applikationen der BfG - Konsolidierung Know-How: Initiierung einer BfG-weiten Arbeitsgruppe ‘KI’ zwecks Beratung, Unterstützung, Austausch und Koordination zukünftiger Anwendungen mit Bezug zu Methoden der künstlichen Intelligenz Die Entwicklung von Anwendungsfeldern im Bereich der künstlichen Intelligenz ist ein zentrales Ziel der Bundesregierung (KI-Strategie für Deutschland), welches das BMDV für den Verkehrssektor in seinem Aktionsplan ‘Digitalisierung und Künstliche Intelligenz in der Mobilität’ konkretisiert. Pilothafte Anwendungen belegen neben dem Bedarf auch großes Potenzial von Methoden des maschinellen Lernens im Bereich der Gewässerkunde (Prognose, Klassifikation, Regression). MALPROG soll helfen, dieses Potenzial für konkrete Anwendungen in der Analyse- und Beratungspraxis der BfG und WSV zu erschließen. MALPROG überführt Methoden des maschinellen Lernens in die gewässerkundliche Praxis und leistet einen Beitrag zur Optimierung von Produkten und Beratungsdiensten der BfG für die Bundeswasserstraßen.
Das Projekt "Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR), Teilvorhaben: Dynamische 2D Überflutungsvorhersage inkl. Pumpenausfallszenarien mittels KI" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Universität Siegen, Forschungsinstitut Wasser und Umwelt, Lehrstuhl für Hydromechanik, Binnen- und Küstenwasserbau.
Das Projekt "Wasserstandsvorhersage fuer die Bundeswasserstrassen" wird/wurde gefördert durch: Bundesministerium für Verkehr. Es wird/wurde ausgeführt durch: Bundesanstalt für Gewässerkunde.Parallel zu einem rein statistischen Vorhersageverfahren wurde ein weitgehend deterministisches Flussgebietsmodell erarbeitet, das in Form einzelner hydrologisch-physikalischer Bausteine u.a. die Niederschlagskonzentration, die Abflussbildung und die Abflusstransformation beruecksichtigt. Nach Errichtung des Datenerfassungs- und Uebertragungssystems soll dieses deterministische Modell zunaechst fuer die taegliche Wasserstandsvorhersage am Pegel Maxau eingesetzt werden, wobei eine von der ETH Zuerich erstellte Wasserstandsvorhersage fuer den Pegel Rheinfelden einbezogen wird. Das Modell eignet sich auch zur Wasserstandsvorhersage waehrend fortschreitenden Ausbaus und bei kuenstlichen Abflussregulierungen. Es laesst sich daher vorrangig auch zur Steuerung von Hochwasserwellen einsetzen. Zur Zeit wird das Neckargebiet einbezogen und die Erweiterung auf den Rheinpegel Worms getestet.
Das Projekt "Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR), Teilvorhaben: Warnung vor Pumpwerksüberlastung und Erarbeitung wirkungsbasierter Vorsorgestrategien und Verteidigungskonzepte" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Emscher Genossenschaft / Lippeverband.
Das Projekt "Computergestützte Gewässermodellierung - Analyse der hydraulischen Auswirkungen einer Deichrückverlegung" wird/wurde ausgeführt durch: Bundesanstalt für Wasserbau.Bei Lenzen an der Elbe zeigt sich, dass numerische Modelluntersuchungen vor Baubeginn präzise die später in der Natur eintretenden Ereignisse vorhersagen können. Seit den 1990er Jahren wurde an der Elbe bei Lenzen durch das Land Brandenburg eine Deichrückverlegung geplant und realisiert. Die Bundesanstalt für Wasserbau hat mit hydraulisch-morphologischen Modelluntersuchungen des Oberflächenabflusses die Umsetzung des Projektes unterstützt. Bei dieser Deichrückverlegung in der Lenzen-Wustrower Elbeniederung westlich von Wittenberge sollten nicht nur der Verlauf des erhöhten Hochwasserdeiches der Elbe verändert und die Flutrinnen im Vorland verkleinert, sondern auch die Lage und Struktur der Auwaldpflanzungen im Rückdeichungsgebiet modifiziert werden. Weiterhin sah die Planung vor, in den an das Deichrückverlegungsgebiet angrenzenden Lütkenwischer und Mödlicher Werder zusätzliche Vorlandanpflanzungen vorzusehen. Vor Projektbeginn wurde die BAW vom Projektträger, dem Bundesamt für Naturschutz (BfN), im November 2006 um Amtshilfe bei der Untersuchung der hydraulischen Auswirkungen dieser Maßnahme gebeten. Die BAW-Wissenschaftler nutzten für ihre Untersuchungen das hydronumerische Verfahren UnTRIM und erstellten ein zweidimensionales Modell des Untersuchungsgebietes. Nach Fertigstellung der Deichrückverlegung Ende 2009 konnten dann die in den Modellrechnungen prognostizierten Werte für die Veränderung der Wasserspiegel und der in das Deichrückverlegungsgebiet ein- und ausströmenden Wassermengen anhand von vergleichenden Messungen - Wasserspiegelfixierungen, Durchflussmessungen - während der Elbe-Hochwässer im März 2010, Oktober 2010 und Januar 2011 validiert werden: 'Es zeigte sich, dass wir mit dem Computermodell sehr genau die tatsächlich in der Natur eintretenden hydraulischen Verhältnisse im Vorhinein beschreiben konnten', berichtet Dipl.-Ing. Matthias Alexy, Mitarbeiter in der Abteilung Wasserbau im Binnenbereich der BAW.
Das Projekt "Optimierte Kanalnetzsteuerung anhand eines KI-Modells basierend auf einer Mustererkennung der zeitlichen und räumlichen Verteilung von Regendaten mit integrierter Versagensanalyse des Kanalnetzes" wird/wurde ausgeführt durch: BPI Hannover - Alexander Verworn Beratende Ingenieure.
Das Projekt "Optimierte Kanalnetzsteuerung anhand eines KI-Modells basierend auf einer Mustererkennung der zeitlichen und räumlichen Verteilung von Regendaten mit integrierter Versagensanalyse des Kanalnetzes, Optimierte Kanalnetzsteuerung anhand eines KI-Modells basierend auf einer Mustererkennung der zeitlichen und räumlichen Verteilung von Regendaten mit integrierter Versagensanalyse des Kanalnetzes" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Hochschule für angewandte Wissenschaften, Fakultät Bau-Wasser-Boden.
Das Projekt "Optimierte Kanalnetzsteuerung anhand eines KI-Modells basierend auf einer Mustererkennung der zeitlichen und räumlichen Verteilung von Regendaten mit integrierter Versagensanalyse des Kanalnetzes, Optimierte Kanalnetzsteuerung anhand eines KI-Modells basierend auf einer Mustererkennung der zeitlichen und räumlichen Verteilung von Regendaten mit integrierter Versagensanalyse des Kanalnetzes" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: BPI Hannover - Alexander Verworn Beratende Ingenieure.
Mittleres Hochwasser (MHW): 5m über Pegelnullpunkt, Mittleres Niedrigwasser (MNW): 4m über Pegelnullpunkt
| Origin | Count |
|---|---|
| Bund | 89 |
| Land | 71 |
| Type | Count |
|---|---|
| Förderprogramm | 33 |
| Messwerte | 39 |
| Text | 76 |
| unbekannt | 12 |
| License | Count |
|---|---|
| geschlossen | 110 |
| offen | 47 |
| unbekannt | 3 |
| Language | Count |
|---|---|
| Deutsch | 160 |
| Englisch | 2 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 50 |
| Datei | 4 |
| Dokument | 22 |
| Keine | 28 |
| Multimedia | 1 |
| Webseite | 129 |
| Topic | Count |
|---|---|
| Boden | 140 |
| Lebewesen & Lebensräume | 148 |
| Luft | 143 |
| Mensch & Umwelt | 160 |
| Wasser | 153 |
| Weitere | 148 |