Andreas Wunsch

M.Sc. Andreas Wunsch

Work areas

  • Artificial neural networks


Publications


Karst spring discharge modeling based on deep learning using spatially distributed input data
Wunsch, A.; Liesch, T.; Cinkus, G.; Ravbar, N.; Chen, Z.; Mazzilli, N.; Jourde, H.; Goldscheider, N.
2022. Hydrology and Earth System Sciences, 26 (9), 2405–2430. doi:10.5194/hess-26-2405-2022
Deep learning shows declining groundwater levels in Germany until 2100 due to climate change
Wunsch, A.; Liesch, T.; Broda, S.
2022. Nature Communications, 13 (1), Artikel-Nr.: 1221. doi:10.1038/s41467-022-28770-2
Using Convolutional Neural Networks To Evaluate Long‐Term Groundwater Trends In Germany
Wunsch, A.; Broda, S.; Liesch, T.
2021, September 9. 48th IAH Congress (2021), Brussels, Belgium, September 6–10, 2021
Deep Learning based assessment of groundwater level development in Germany until 2100
Wunsch, A.; Liesch, T.; Broda, S.
2021, April 30. vEGU21 (2021), Online, April 19–30, 2021. doi:10.5194/egusphere-egu21-9590
Karst modelling challenge 1: Results of hydrological modelling
Jeannin, P.-Y.; Artigue, G.; Butscher, C.; Chang, Y.; Charlier, J.-B.; Duran, L.; Gill, L.; Hartmann, A.; Johannet, A.; Jourde, H.; Kavousi, A.; Liesch, T.; Liu, Y.; Lüthi, M.; Malard, A.; Mazzilli, N.; Pardo-Igúzquiza, E.; Thiéry, D.; Reimann, T.; Schuler, P.; Wöhling, T.; Wunsch, A.
2021. Journal of hydrology, 600, 126508. doi:10.1016/j.jhydrol.2021.126508
Feature-basiertes Clustering von Umweltzeitreihen mit Self-Organizing-Map-Ensembles
Wunsch, A.; Liesch, T.; Broda, S.
2021. INFORMATIK 2020 - Back to the future. Hrsg.: R. H. Reussner, 1035–1041, Gesellschaft für Informatik e.V.  (GI). doi:10.18420/inf2020_98
Nitrat-Monitoring 4.0 – Intelligente Systeme zur nachhaltigen Reduzierung von Nitrat im Grundwasser
Liesch, T.; Bruns, J.; Abecker, A.; Hilbring, D.; Karimanzira, D.; Martin, T.; Wagner, M.; Wunsch, A.; Fischer, T.
2021. INFORMATIK 2020 - Back to the future. Hrsg.: R.H. Reussner, 1069–1079, Gesellschaft für Informatik e.V.  (GI). doi:10.18420/inf2020_101
Groundwater Level Forecasting with Artificial Neural Networks: A Comparison of LSTM, CNN and NARX
Wunsch, A.; Liesch, T.; Broda, S.
2020, December 15. 101. AGU Fall Meeting (2020), Online, December 1–17, 2020
Feature-basiertes Clustering von Umweltzeitreihen mit Self-Organizing-Map-Ensembles
Wunsch, A.; Liesch, T.; Broda, S.
2020, October 2. 50. Back to the future. 50. Jahrestagung der Gesellschaft für Informatik (Informatik 2020), Online, September 28–October 2, 2020
Uncover Similarities of Groundwater Dynamics with Machine Learning based Hydrograph Clustering (Oral Talk IN43A-07)
Wunsch, A.; Liesch, T.; Broda, S.
2019, December 12. Fall Meeting (AGU 100 2019), San Francisco, CA, USA, December 9–13, 2019
Aquifer responses to long-term climatic periodicities
Liesch, T.; Wunsch, A.
2019. Journal of hydrology, 572, 226–242. doi:10.1016/j.jhydrol.2019.02.060
Wochen-, Monats- und Jahreszeitenvorhersage von Grundwasserständen mit künstlichen neuronalen Netzen
Broda, S.; Wunsch, A.; Liesch, T.; Reichling, J.
2018, March 22. 26. Grundwasser im Umfeld von Bergbau, Energie und urbanen Räumen - Tagung der Fachsektion Hydrogeologie e. V. in der DGGV e.V. (2018), Bochum, Germany, March 21–24, 2018
Wochen-, Monats-und Jahreszeitenvorhersage von Grundwasserständen mit künstlichen neuronalen Netzen
Broda, S.; Wunsch, A.; Liesch, T.
2018. Grundwasser im Umfeld von Bergbau, Energie und urbanen Räumen, Herausgeber: Banning, A. W.; Frank, S.; Kaufmann-Knoke, R.; Niedermayr, A.; Wisotzky, F.; Wohnlich, S., Institut für Geologie