Springe direkt zu Inhalt

GFZ Potsdam

Neuronale Netze in der Erdsystem-Modellierung

Betreuer: C. Irrgang, J. Saynisch, M. Thomas

Beschreibung:  Aufgrund mangelnder räumlicher, zeitlicher oder physikalischer Auflösung  können numerische Erdsystem-Modelle die Wirklichkeit stets nur mit  begrenzter Genauigkeit abbilden. Künstliche neuronale Netzwerke  können in diesem Zusammenhang als Zusatz-Modelle dienen, um etwa  nicht berücksichtigte physikalische Prozesse zu kompensieren. Das Ziel  dieser Masterarbeit ist es, die Möglichkeiten dieser Methoden zu  untersuchen. Dafür soll ein künstliches neuronales Netzwerk entworfen  und anhand verschiedener Modelldaten unserer Arbeitsgruppe trainiert  werden. Ziel ist es, fehlende Modellphysik zu erkennen und zu rekonstruieren.

Voraussetzungen:  Interesse und Spaß beim Untersuchen und Interpretieren simulierter  Daten aus verschiedenen Erdsystem-Modellen

Von Vorteil:  Kenntnisse in statistischen Skript- und Programmiersprachen (R, Python, ...) Grundwissen über künstliche neuronale Netzwerke


Attribution of discharge trends in the Rhine basin over the past decades to anthropogenic climate changes using a weather generator and hydrological modelling.

Betreuung: Prof. Dr. Henning Rust, Dr. Sergiy Vorogushyn (GFZ Potsdam) 

Beschreibung: The aim of the Master Thesis project is to carry out the attribution analysis of past changes in flood flows in the Rhine basin. The work will build upon the previous works of Murawski et al. (2016), who developed an optimal weather pattern classification with focus on the Rhine basin. They additionally compiled a set of General Circulation Models (GCM) representing the state of the atmosphere with and without anthropogenic greenhouse gas emission. Further, Murawski et al. (2018) investigated to which degree the changes between weather patterns (between-type variability) and within weather patterns (within-type variability) can explain observed trends in climate variables at weather stations in the Rhine basin. This analysis is the prerequisite of using the proposed weather pattern classification for conditioning of a multi-site, multi-variable weather generator (Hundecha et al., 2009). 

Grundlagen: Two sets of daily output discharge series (resulting from the anthropogenically influenced and natural climate) will be analysed for their statistical properties. Finally, the uncertainty associated with attribution statement regarding the anthropogenic impact on flood flows will be assessed.

Vorraussetzungen: Basic knowledge of meteorology/climatology as well as understanding of principal hydrological flood processes and of hydrological modelling. Strong statistical and programming skills (FORTRAN, R/MATLAB) are expected. We encourage a master thesis written in English with potential further publication of results in a scientific journal (not part of the master project).



Thema auf Anfrage im gemeinsamen Gespräch
Bei Interesse an einem Masterarbeitsthema am GFZ wendens Sie sich bitte an Herrn Prof. Maik Thomas (mthomas@gfz-potsdam.de)