BGR Bundesanstalt für Geowissenschaften und Rohstoffe

Bundesanstalt für Geowissenschaften und Rohstoffe (Link zur Startseite) Menu Suche
Navigation ▼

Geodaten + künstliche Intelligenz = Erkenntnisgewinn² (?)

Hauskolloquium am Dienstag, den 18. Februar 2020 um 10°° Uhr im Großen Sitzungssaal des Hauses.

Moderation: Jörg Reichling

Broda, S.: Einführung und Überblick

Nölscher, M.: Maschinelles Lernen in der BGR: Regionalisierung und Prognose geowissenschaftlicher Daten

Durch das rasant ansteigende Volumen an Geodaten werden neue Werkzeuge zur Visualisierung, Bearbeitung, Interpretation und Bewertung benötigt. Insbesondere in den Geowissenschaften gewinnen in anderen Themenbereichen erprobte Methoden der künstlichen Intelligenz, genauer die Teildisziplin maschinelles Lernen, nur langsam an Popularität. Neben einem historischen Abriss der Entwicklung im Fachgebiet des maschinellen Lernens werden in dem Beitrag grundlegende Konzepte und geowissenschaftliche Anwendungsbeispiele vorgestellt. Thematisiert werden u.a. unüberwachte Ansätze wie self-organizing maps (SOM) zur Regionalisierung und Auswahl von Referenzmessstellen, deep-learning Ansätze wie convolutional neural networks (CNN) für die Vorhersage von Grundwasserständen und das Detektieren von hydrogeologisch relevanter Infrastruktur aus Satellitendaten (Schachtbrunnen, Pumphäuser, Beregnungsanlagen etc.) sowie autoencoder zur Mustererkennung in geowissenschaftlichen Datensätzen. Darauf aufbauend werden Chancen und Herausforderungen aufgezeigt, die bei der Anwendung dieser Algorithmen auf Geodaten auftreten.

Diese Seite:

Hinweis zum Einsatz von Cookies

Mit dem Klick auf "Erlauben" erklären Sie sich damit einverstanden, dass wir Ihren Aufenthalt auf der Seite anonymisiert aufzeichnen. Die Auswertungen enthalten keine personenbezogenen Daten und werden ausschließlich zur Analyse, Pflege und Verbesserung unseres Internetauftritts eingesetzt. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK

Zum Anfang der Seite ▲