API src

Found 159 results.

Related terms

Wasserstandsvorhersage Nordsee des BSH

Aktuelle Vorhersage: Am Montag werden das Vormittag-Hochwasser an der deutschen Nordseeküste und in Emden sowie das Mittag-Hochwasser in Bremen und Hamburg <b>2 bis 4 dm </b><b>niedriger</b> als das mittlere Hochwasser eintreten.

Anwendung von Methoden des maschinellen Lernens zur Verbesserung der Prognosen und Analysen der BfG

Veranlassung Methoden des maschinellen Lernens kommen in der gewässerkundlichen Praxis der BfG bisher nur vereinzelt zum Einsatz. Der Einsatz von ML entspricht in vielen Bereichen aber bereits dem Stand von Wissenschaft und Technik und hält zunehmend Einzug auch in gewässerkundliche Fragestellungen. ML besitzt das Potenzial, zum einen bestehende Aufgaben und Methoden qualitativ zu optimieren (z. B. in Form verbesserter Prognosemethoden). Zum anderen werden durch den Einsatz von ML arbeitsaufwändige, mit klassischen Ansätzen nicht leistbare Analysen erst möglich, wodurch auch gänzlich neue oder substanziell erweiterte Leistungen und Produkte entstehen. Der unmittelbare Anwendungs- und Aufgabenbezug von MALPROG lässt diesbezüglich konkrete Ergebnisse für relevante Fachaufgaben sowie zielführende Erkenntnisse für eine Übertragung auf weitere Arbeitsfelder der BfG erwarten. Ziele Die übergeordneten Ziele von MALPROG sind - 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 des Wissens: Initiierung einer BfG-weiten Arbeitsgruppe "KI" zwecks Beratung, Unterstützung, Austausch und Koordination zukünftiger Anwendungen mit Bezug zu Methoden der künstlichen Intelligenz Für die konkrete Anwendung der ML-Methoden für die Fach- und Beratungsaufgaben der BfG sollen - eine weitere Steigerung der Vorhersagegüte erzielt, längerfristige Vorhersageskalen erschlossen und innovative Beratungsprodukte generiert werden, - eine intelligente Vorbeurteilung von Öl-Verschmutzungen ermöglicht werden, die z. B. einen effizienteren Einsatz unbemannter Systeme ermöglicht und den teuren Datentransfer für weitfliegende Systeme wesentlich reduziert, - durch die Anwendung auf digitale Orthofotos eine Identifizierung von Vegetation mit erhöhtem Automatisierungsgrad auf großer Fläche ermöglicht werden, z. B. für eine effiziente Erstellung von Biotoptypenkartierungen und für ein stringentes Vegetationsmonitoring bei Entwicklungsmaßnahmen, - durch Kameraaufnahmen automatisch Makroplastik in fließenden Gewässern identifiziert und klassifiziert werden, - Messfehler von Bodenfeuchtemessungen identifiziert und korrigiert werden. Die vertiefte Befassung mit den Möglichkeiten und Grenzen von ML-Methoden soll die BfG unterstützen, um die rasant zunehmende Menge an (Umwelt-)Daten unter Nutzung steigender Rechenressourcen in eine verbesserte Leistungsfähigkeit ihres Beratungsangebots (z. B. für die WSV, das BMDV, das BMUV) zu überführen. Die Entwicklung von Anwendungsfeldern im Bereich der künstlichen Intelligenz (KI) 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" aufgegriffen und weiter konkretisiert hat. Pilothafte Anwendungen belegen aber neben dem hohen Bedarf auch das große Potenzial von Methoden des maschinellen Lernens im Bereich der Gewässerkunde (Prognose, Klassifikation, Regression). Im Rahmen von MALPROG wird die Nutzung KI- bzw. ML-basierter Methoden für konkrete Anwendungsfelder in der Gewässerkunde systematisch untersucht. Als zielführend identifizierte Ansätze werden in die praktische Facharbeit integriert, um letztlich deren Potenzial für konkrete Anwendungen in der Analyse- und Beratungspraxis der BfG und WSV ausschöpfen zu können.

Wasserstandsvorhersage fuer die Bundeswasserstrassen

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.

Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR), Teilvorhaben: Dynamische 2D Überflutungsvorhersage inkl. Pumpenausfallszenarien mittels KI

Computergestützte Gewässermodellierung - Analyse der hydraulischen Auswirkungen einer Deichrückverlegung

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.

Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR), Teilvorhaben: Warnung vor Pumpwerksüberlastung und Erarbeitung wirkungsbasierter Vorsorgestrategien und Verteidigungskonzepte

Wasserstandsvorhersage Nordsee, List, Sylt, Hafen

Mittleres Hochwasser (MHW): 5m über Pegelnullpunkt, Mittleres Niedrigwasser (MNW): 4m über Pegelnullpunkt

Wasserstandsvorhersage Nordsee, Hamburg, St. Pauli, Elbe

Mittleres Hochwasser (MHW): 7m über Pegelnullpunkt, Mittleres Niedrigwasser (MNW): 3m über Pegelnullpunkt

Wasserstandsvorhersage Nordsee, Elsfleth Ohrt, Hunte

Mittleres Hochwasser (MHW): 7m über Pegelnullpunkt, Mittleres Niedrigwasser (MNW): 3m über Pegelnullpunkt

Wasserstandsvorhersage Nordsee, Hörnum, Sylt, Hafen

Mittleres Hochwasser (MHW): 6m über Pegelnullpunkt, Mittleres Niedrigwasser (MNW): 3m über Pegelnullpunkt

1 2 3 4 5 … 14 15 16