Schlagwortarchiv: LSTM

Lernen oder Kalibrieren? Potenziale und Grenzen datenbetriebener und konzeptioneller hydrologischer Modelle im deutschlandweiten Vergleich To Learn or to calibrate? Potentials and limitations of data-driven and conceptual hydrological models in a Germany-wide comparison

Hydrologie und
Wasserbewirtschaftung
70. Jahrgang, Heft 4
August 2026

Autorin/Autor:
Alexander Dolich, Uwe Ehret & Ralf Loritz

Schlagworte:
Maschinelles Lernen, Simulation, LSTM, HBV, CAMELS-DE

Zitierung:
Dolich, A., Uwe Ehret, U., Loritz, R. (2026): Lernen oder Kalibrieren? Potenziale und Grenzen datenbetriebener und konzeptioneller hydrologischer Modelle im deutschlandweiten Vergleich. Hydrologie & Wasserbewirtschaftung, 70, (4), 244-260.
DOI: 10.5675/HyWa_2026.4_2

 


                                                             

 

Untersuchungen zum Potenzial maschineller Lernverfahren für die hydrologische Simulation und Vorhersage am Beispiel von LSTM und LARSIM in Baden-Württemberg – Exploring the potential of machine learning methods for hydrological simulation and forecasting using LSTM and LARSIM in Baden-Württemberg

Hydrologie und
Wasserbewirtschaftung
68. Jahrgang, Heft 3
Juni 2024

Autorin/Autor:
Orhan D. Tanrikulu, Uwe Ehret, Ingo Haag, Ralf Loritz & Ute Badde

Schlagworte:
Maschinelles Lernen, LSTM, LARSIM, Simulation, Vorhersage

Zitierung:
Tanrikulu, O.D., U. Ehret, I. Haag, R. Loritz, U. Badde (2024): Untersuchungen zum Potenzial maschineller Lernverfahren für die hydrologische Simulation und Vorhersage am Beispiel von LSTM und LARSIM in Baden-Württemberg.
Hydrologie & Wasserbewirtschaftung, 68, (3), 130-145. DOI: 10.5675/HyWa_2024.3_1