Schlagwort-Archiv: Machine learning

Smarte Tools zur Resilienzsteigerung in der Starkregenvorsorge durch intelligente Bestimmung von Notabflusswegen und innovative Risikokommunikation – Smart Tools to increase resilience in heavy rainfall prevention through intelligent identification of emergency drainage routes and innovative risk communication

Hydrologie und
Wasserbewirtschaftung
69. Jahrgang, Heft 6
Dezember 2025

Autorin/Autor:
Andreas Abecker, Julian Janßen, Jan-Henrik Kruse, Ina Röder, Joshua Azvedo, Peter Fischer-Stabel, Jaqueline Hoffmann, Sascha Nau, Jan Bartsch, Mathias Jackel & Tobias Schütz

Schlagworte:
Starkregen, Notabflusswege, Resilienz, wassersensible Siedlungsentwicklung, Risikokommunikation, Citizen Science, Geo Data Warehouse, Machine Learning, kleinskalige Geländeinformationen, Smart Tool

Zitierung:
Abecker, A., Janßen, J., Kruse, J.-H., Röder, I., Azvedo, J., Fischer-Stabel, P., Hoffmann, J., Nau, S., Bartsch, J., Jackel, M. Schütz, T.  (2025): Smarte Tools zur Resilienzsteigerung in der Starkregenvorsorge durch intelligente Bestimmung von Notabflusswegen und innovative Risikokommunikation. Hydrologie & Wasserbewirtschaftung, 69, (6), 385-398.
DOI: 10.5675/HyWa_2025.6_7

 

                                      

Das Potential der Kombination von maschinellem Lernen und Agenten-basierter Methoden in der Wasserbewirtschaftung – The potential of combined machine learning and agent-based models in water resources management

Hydrologie und
Wasserbewirtschaftung
63. Jahrgang, Heft 6
Dezember 2019

Autorin/Autor:
Benjamin Mewes, Andreas Schumann

Schlagworte:
Agenten-basierte Modellierung, Maschinelles Lernen, Lansing Modell, Bewässerungsstrategie, Sozio-Hydrologie, Wasserwirtschaft

Zitierung:
Mewes, B., Schumann, A. (2019): Das Potential der Kombination von maschinellen Lernen und agenten-basierter Methoden in der Wasserbewirtschaftung – Hydrologie & Wasserbewirtschaftung, 63, (6), 332-338.
DOI: 10.5675/HyWa_2019.6_2