Mehrskalige Staumauer-Analyse: KI-basierter Ansatz mit zeitlichem Gedächtnis
Die Verschiebung von Staumauern entsteht durch das Zusammenspiel von Umweltfaktoren und strukturellen Reaktionen über die Zeit. Diese Studie nutzt neuronale Netze mit logarithmisch verteilten Zeitverzögerungen, um die Oberflächenverschiebung der Enguri-Mauer basierend auf Copernicus-Wetterdaten und GB-SAR-Messungen zu modellieren. Die Implementierung eines Langzeitgedächtnisses (100-1 000 Std.) verbessert die Prognose deutlich. Wasserstände wirken mittel- bis langfristig, Umwelteinflüsse kurzfristig. Dies unterstreicht den Wert zeitbewusster KI für die Dammsicherheit.
Stauanlagen sind essenzielle Infrastrukturen zur Bereitstellung von Wasser, Energie und Hochwasserschutz, deren Versagen jedoch katastrophale Risiken für Leben, Wirtschaft und Ökosysteme birgt. Herkömmliche Methoden zur Risikoprognose - die auf deterministischen Sicherheitsfaktoren oder vereinfachten probabilistischen Modellen basieren - erfassen häufig nicht die entscheidenden Nichtlinearitäten, die aus komplexen Wechselwirkungen zwischen Strukturverfall, hydrologischen Extremen (z. B. klimabedingte Überschwemmungen), Materialermüdung und seismischer Aktivität entstehen. Diese Einschränkungen behindern insbesondere unter bislang unbekannten Belastungen eine präzise Vorhersage [1].
Autor(en)
Raphael Dujardin, Sadeeb Simon Ottenburger
Contentpartner
© Springer Vieweg
Publikation
WasserWirtschaft 05 / 2026 (April 2026)
Verkaufspreis
€ 10,00