Gregor Johnen, M. Sc.
wissenschaftlicher Mitarbeiter
Institut für Wasserbau und Wasserwirtschaft
Berliner Platz 6-8
45127 Essen
Raum: WST-A.05.04
+49 201 183 4303
gregor.johnen@uni-due.de
https://www.linkedin.com/in/gregorjohnen/
Sprechzeiten: Nach Vereinbarung
Aktuelle Veranstaltungen
Wintersemester
Wasserbau 2 (Übungen, Laborpraktikum)
Sommersemester
Wasserbau 4 (Übungen, Hausarbeit)
Forschung
Aktuelle Projekte
Forschungsschwerpunkte
- Optimierung der Talsperrensteuerung
- Datengetriebene Modellierung
- Probablistische Vorhersagen
Master-Thesis
Optimal reservoir operation and its use for adaptive catchment management: A case study for the Meuse catchment
Bachelor-Thesis
Water resources in the Indus Ganges catchment and aspects of their use with respect to climate change
Berufliche Laufbahn
seit 2020
Wissenschaftlicher Mitarbeiter am Institut für Wasserbau und Wasserwirtschaft
2020
Wissenschaftliche Hilfskraft bei Deltares, Delft, die Niederlande
2019
Short Term Scientific Mission an der Fakultät für Bauingenieurwesen und Geodäsie der Universität Ljubljana, Slovenien
2017-2019
Wissenschaftliche Hilfskraft bei Hydrotec Ingenieurgesellschaft für Wasser und Umwelt mbH, Aachen & Essen, Deutschland
2015-2017
Studentische Hilfskraft am Geographischen Institut der RWTH Aachen, Fakultät Physische Geographie und Klimatologie
Ausbildung
2018-2020
Master-Studium in Transnational ecosystem-based Water Management (TWM) an der Universität Duisburg-Essen und an der Radboud University Nijmegen, Niederlande
2013 - 2018
Bachelor-Studium in angewandter Geographie an der RWTH Aachen
Publikationen
-
Water Demand Forecasting Based on Online Aggregation for District Meter Areas-Specific Adaption
The 3rd International Joint Conference on Water Distribution Systems Analysis & Computing and Control for the Water Industry (WDSA/CCWI 2024): 1–4 July 2024; Ferrara, Italy,In: Engineering Proceedings Jg. 69 (2024) Nr. 1, 15Online Volltext: dx.doi.org/ (Open Access) -
Werden unsere wasserwirtschaftlichen Entscheidungen durch Digitalisierung und KI in Zukunft besser?In: Energie-, Wasser-Praxis Jg. 73 (2022) Nr. 04, S. 30 - 34
-
Exploring options for flood risk management with special focus on retention reservoirsIn: Sustainability Jg. 13 (2021) Nr. 18, 10099Online Volltext: dx.doi.org/ (Open Access)
-
Optimising Water Supply : Application of Probabilistic Deep Neural Networks to Forecast Water Demand in the Short TermIn: AI in Business and Economics / Lausberg, Isabel; Vogelsang, Michael (Hrsg.) 2024, S. 243 - 256Online Volltext: dx.doi.org/ (Open Access)
-
Vom Hindcast zur Vorhersage mit probabilistischen neuronalen Netzen in der WasserbedarfsprognoseIn: 22. Treffen junger Wissenschaftler*innen deutschsprachiger Wasserbauinstitute: Book of Abstracts / 22. Treffen junger Wissenschaftler*innen deutschsprachiger Wasserbauinstitute; 6. bis 18. August 2023, Aachen, Germany / RWTH Aachen - Institut für Wasserbau und Wasserwirtschaft (Hrsg.) 2023, S. 8 - 12
-
Die digitale Wasserwirtschaft von morgen : Perspektiven zur zukünftigen Datenverfügbarkeit, Datenpflege und Datenanalyse sowie deren gezielter NutzungIn: "Wasserwirtschaft im Klimawandel" / Digitale 55. Essener Tagung für Wasserwirtschaft : 09. bis 11. März 2022 / Wintgens, Thomas; Pinnekamp, Johannes (Hrsg.) 2022
-
Modelling and Evaluation of the Effect of Afforestation on the Runoff Generation Within the Glinščica River Catchment (Central Slovenia)In: Nature-Based Solutions for Flood Mitigation: Environmental and Socio-Economic Aspects / Ferreira, Carla S. S.; Kalantari, Zahra; Hartmann, Thomas; Pereira, Paulo (Hrsg.) 2022, S. 215 - 231Online Volltext: dx.doi.org/
-
Optimale Talsperrenbewirtschaftung und ihr Nutzen für ein adaptives Einzugsgebietsmanagement : Eine Fallstudie für das Maas-EinzugsgebietIn: Wasserbau zwischen Hochwasser und Wassermangel: Dresdner Wasserbaukolloquium 2021 / 44. Dresdner Wasserbaukolloquium 04. – 05. März 2021 / Stamm, Jürgen; Graw, Kai-Uwe (Hrsg.) 2021, S. 97 - 106(Open Access)
-
Incorporating Weather Forecasts into Short-Term Water Demand Prediction using Probabilistic Deep Learning with Long Short-Term Memory NetworksIn: Abstracts & Presentations :: EGU General Assembly 2023 / EGU General Assembly 2023, Vienna, Austria & Online, 23–28 April 2023 (2023) S. EGU23 - 5731Online Volltext: dx.doi.org/
-
Probabilistic water demand forecasting focussing on the impact of climate change and the quantification of uncertainties in the short- and mid-term
EGU General Assembly 2022; Vienna, Austria; 23–27 May 2022,Vienna, Austria (2022)Online Volltext: dx.doi.org/ (Open Access)