Stochastiche Inversionsmethoden zur Aquifercharakterisierung

In der Hydrogeologie finden die meisten physikalischen Prozesse, an denen wir interessiert sind, unter der Erdoberfläche statt. Sie sind also unseren Augen und Messinstrumenten verborgen, was unser Prozessverständnis einschränkt. Dies führt zu Unsicherheiten, wenn wir versuchen, das Grundwassersystem zu modellieren oder sein natürliches Verhalten zu verstehen und vorherzusagen.

Stochastische Inversionstechniken berücksichtigen diese Unsicherheiten, indem Modellparameter und Beobachtungen als Zufallsvariablen behandelt werden. Stochastische numerische Methoden reichen von Datenassimilationstechniken über Monte-Carlo-Modellierung bis hin zu Ansätzen des maschinellen Lernens und entwickeln sich heute stetig weiter. In unserer Forschung setzen wir solche Techniken ein, um Probleme der Hydrogeologie anzugehen, z.B. zur Vorhersage des Schadstofftransports, zur Identifizierung signifikanter Aquifer-Merkmale und zur Ermittlung nichtlinearer Beziehungen im Wasserkreislauf.

• Markov-Ketten-Monte-Carlo-Algorithmen zur Charakterisierung von Kluftnetzwerken
• Entwicklung von Partikelfilter-Methoden
• Adaptive Modellparametrisierungsstrategien für die Datenassimilation
• Vorhersage des Schadstofftransports