Mittels künstlichen neuronalen Netzen wurden die in den rekultivierten Tagebaukippen im Nordraum Lausitz (Tagebaue Schlabendorf und Seese) auftretenden Geländedeformationen infolge Bodenverflüssigung für die Jahre 2009 - 2013 als Zeitreihe modelliert. Das Modell ist in der Lage, grob die zeitliche Entwicklung und exakt die räumliche Lage des in den Kippen auftretenden Gefährdungspotenzials nachzuvollziehen und als Funktion des sich ändernden Grundwasserspiegels und der sich ändernden Oberflächenmorphologie in die Zukunft zu prognostizieren. Das Modell zeigt dynamisch das Entstehen neuer Risikoflächen in bisher scheinbar stabilen Bereichen des Untersuchungsgebietes. Die Korrektheit des Modells wurde mittels verschiedener Tests geprüft sowie anhand einer Prognoserechnung für das Jahr 2014 und des Vergleichs mit den real in 2014/2015 gegangenen Ereignissen nachgewiesen. Folgende Gefährdungsfaktoren wurden ermittelt: Destabilisierend wirken eine möglichst einförmige Lithologie folgender Zusammenset-zung: 31 % Feinsand, 34 % Mittelsand, 31 % Grobsand, 3 % Schluff, < 1 % Kies, < 1 % Kalk, < 1 % Ton, < 1 % Kohle, kf-Werte zwischen 10-4 und 10-4,5 m/s, ein Grundwasserflurabstand bei 3,45 m (Medianwert), möglichst hohe Gradienten der nicht lithologisch kontrollierten Parameter: Tagebauoberfläche, Grundwasseroberfläche, Grundwasserflurabstand und Mächtigkeit der gesättigten Kippe. Stabilisierend wirken vor allem eine möglichst große Heterogenität der Lithologie auf kleinem Raum (möglichst hohe Gradienten der lithologisch kontrollierten Parameter (z.B. Kiesgehalt, Sandgehalt, Tongehalt, Kohlegehalt)), ein möglichst geringer Sandanteil, möglichst hohe Anteile an Kies, Schluff, Ton, Kalk, bzw. Kohle, ein möglichst großer Grundwasserflurabstand sowie möglichst geringe Gradienten der nicht lithologisch kontrollierten Parameter: Tagebauoberfläche, Grundwasseroberfläche, Grundwasserflurabstand, Mächtigkeit der gesättigten Kippe sowie wechselnde kf-Werte 10-7 bzw. >10-2 m/s. Für die Bearbeitung wurden ausschließlich die bei der LMBV vorhandenen bzw. laufend flächendeckend erhobenen Daten genutzt: Lage des Grundwasserspiegels, Relief der Tagebauoberfläche, Liegendes der Kippe, geologische Daten der Vorfeldbohrungen. Das Modell kann als dynamisches Instrument zum Risikomanagement vor bzw. während der Sanierungsmaßnahmen genutzt werden. Mittels der Variation der prozesskontrollie-renden Parameter können die geotechnischen Auswirkungen verschiedener Sanierungsszenarien (z.B. Gestaltung der Tagebauoberfläche, Schüttung der Kippen, Grundwasseranstieg) auf die Stabilität der Kippen prognostiziert werden. / Geotechnical events (terrain deformation due to soil liquefaction) in lignite mining waste rock piles of the northern Lausitz area (opencast pits Schlabendorf and Seese), have been modeled as time series for the years 2009 – 2013 by using artificial neural networks. The model has clearly recognized the influences of various lithological and non-lithological controlled parameters on the occurrence of geotechnical events, and these have been quantified and weighted in terms of their importance. The model is able to predict the tem-poral evolution and the exact spatial location of the events occurring in the dumps as a function of changing groundwater levels and surface morphology. The model shows dynamically the emergence of new risk areas in hitherto seemingly stable areas. The correctness of the model was confirmed by means of various tests and its predictive success was demonstrated through forecasting of events for the years 2014 and 2015 and their comparison with the observed events of those years. The following main risk factors were identified: Important destabilizing factors are a monotonous lithology with the following composition: 31% fine sand, 34% medium sand, 31% coarse sand, 3% silt, <1% gravel, <1% lime, <1% clay, <1% coal, kf-values between 10-4 and 10-4.5 m/s, a surface to groundwater distance of 3.45 meters (median value), high gradients of non-lithological controlled parameters: waste dump surface, groundwater level, depth to groundwater and thickness of saturated dump. 2. Important stabilizing factors are a high heterogeneity of lithology (high gradients of the lithological controlled parameters: e.g. gravel content, sand content, clay content, carbon content), a low proportion of sand in the dump composition, high proportions of gravel, silt, clay, lime, or coal, a high depth to groundwater, low gradients of non-lithological controlled parameters: open pit surface, groundwater surface, depth to groundwater, thickness of saturated dump, strongly changing kf values between 10-7 and 10-2 m/s. The model can be used as a dynamic tool for risk management before and during the re-habilitation of lignite waste dumps, and for constructing stable waste dumps. By means of varying the model parameters (e.g. design of the dump surface, composition of dumped rocks, rising groundwater) the geotechnical effects of dump design and remediation scenarios can be predicted.

Mittels künstlichen neuronalen Netzen wurden die in den rekultivierten Tagebaukippen im Nordraum Lausitz (Tagebaue Schlabendorf und Seese) auftretenden Geländedeformationen infolge Bodenverflüssigung für die Jahre 2009 - 2013 als Zeitreihe modelliert. Das Modell ist in der Lage, grob die zeitliche Entwicklung und exakt die räumliche Lage des in den Kippen auftretenden Gefährdungspotenzials nachzuvollziehen und als Funktion des sich ändernden Grundwasserspiegels und der sich ändernden Oberflächenmorphologie in die Zukunft zu prognostizieren. Das Modell zeigt dynamisch das Entstehen neuer Risikoflächen in bisher scheinbar stabilen Bereichen des Untersuchungsgebietes. Die Korrektheit des Modells wurde mittels verschiedener Tests geprüft sowie anhand einer Prognoserechnung für das Jahr 2014 und des Vergleichs mit den real in 2014/2015 gegangenen Ereignissen nachgewiesen. Folgende Gefährdungsfaktoren wurden ermittelt: Destabilisierend wirken eine möglichst einförmige Lithologie folgender Zusammenset-zung: 31 % Feinsand, 34 % Mittelsand, 31 % Grobsand, 3 % Schluff, < 1 % Kies, < 1 % Kalk, < 1 % Ton, < 1 % Kohle, kf-Werte zwischen 10-4 und 10-4,5 m/s, ein Grundwasserflurabstand bei 3,45 m (Medianwert), möglichst hohe Gradienten der nicht lithologisch kontrollierten Parameter: Tagebauoberfläche, Grundwasseroberfläche, Grundwasserflurabstand und Mächtigkeit der gesättigten Kippe. Stabilisierend wirken vor allem eine möglichst große Heterogenität der Lithologie auf kleinem Raum (möglichst hohe Gradienten der lithologisch kontrollierten Parameter (z.B. Kiesgehalt, Sandgehalt, Tongehalt, Kohlegehalt)), ein möglichst geringer Sandanteil, möglichst hohe Anteile an Kies, Schluff, Ton, Kalk, bzw. Kohle, ein möglichst großer Grundwasserflurabstand sowie möglichst geringe Gradienten der nicht lithologisch kontrollierten Parameter: Tagebauoberfläche, Grundwasseroberfläche, Grundwasserflurabstand, Mächtigkeit der gesättigten Kippe sowie wechselnde kf-Werte 10-7 bzw. >10-2 m/s. Für die Bearbeitung wurden ausschließlich die bei der LMBV vorhandenen bzw. laufend flächendeckend erhobenen Daten genutzt: Lage des Grundwasserspiegels, Relief der Tagebauoberfläche, Liegendes der Kippe, geologische Daten der Vorfeldbohrungen. Das Modell kann als dynamisches Instrument zum Risikomanagement vor bzw. während der Sanierungsmaßnahmen genutzt werden. Mittels der Variation der prozesskontrollie-renden Parameter können die geotechnischen Auswirkungen verschiedener Sanierungsszenarien (z.B. Gestaltung der Tagebauoberfläche, Schüttung der Kippen, Grundwasseranstieg) auf die Stabilität der Kippen prognostiziert werden. / Geotechnical events (terrain deformation due to soil liquefaction) in lignite mining waste rock piles of the northern Lausitz area (opencast pits Schlabendorf and Seese), have been modeled as time series for the years 2009 – 2013 by using artificial neural networks. The model has clearly recognized the influences of various lithological and non-lithological controlled parameters on the occurrence of geotechnical events, and these have been quantified and weighted in terms of their importance. The model is able to predict the tem-poral evolution and the exact spatial location of the events occurring in the dumps as a function of changing groundwater levels and surface morphology. The model shows dynamically the emergence of new risk areas in hitherto seemingly stable areas. The correctness of the model was confirmed by means of various tests and its predictive success was demonstrated through forecasting of events for the years 2014 and 2015 and their comparison with the observed events of those years. The following main risk factors were identified: Important destabilizing factors are a monotonous lithology with the following composition: 31% fine sand, 34% medium sand, 31% coarse sand, 3% silt, <1% gravel, <1% lime, <1% clay, <1% coal, kf-values between 10-4 and 10-4.5 m/s, a surface to groundwater distance of 3.45 meters (median value), high gradients of non-lithological controlled parameters: waste dump surface, groundwater level, depth to groundwater and thickness of saturated dump. 2. Important stabilizing factors are a high heterogeneity of lithology (high gradients of the lithological controlled parameters: e.g. gravel content, sand content, clay content, carbon content), a low proportion of sand in the dump composition, high proportions of gravel, silt, clay, lime, or coal, a high depth to groundwater, low gradients of non-lithological controlled parameters: open pit surface, groundwater surface, depth to groundwater, thickness of saturated dump, strongly changing kf values between 10-7 and 10-2 m/s. The model can be used as a dynamic tool for risk management before and during the re-habilitation of lignite waste dumps, and for constructing stable waste dumps. By means of varying the model parameters (e.g. design of the dump surface, composition of dumped rocks, rising groundwater) the geotechnical effects of dump design and remediation scenarios can be predicted.

Measuring soil moisture content (SMC) in mining waste rock is important for assessing and modelling hydrological processes which influence pollutant release. Here, an experimental setup containing mining waste rock is established to compare the performance of 4 Arduino capacitance moisture sensors to one single Time Domain Reflectometry (TDR) sensor. Furthermore, the performance of these sensors is evaluated in both sieved and unsieved mining waste rock. Fitted calibration curves are provided for both the TDR- and Arduino-sensors individually and in combination. These calibration curves are evaluated using the RMSE and R 2 of each curve and compared between sensors and soil texture. It is concluded that using more capacitance sensors significantly improves the fit statistics of the calibration curves and that using at least 4 capacitance sensors can enhance calibration curve fitting. For both the TDR and capacitance sensors, the calibration curves in sieved soil provided the best fit, meaning that soil specific calibration of sensors is recommended. On a sensor individual basis, the temporal precision of the TDR sensor was superior to each individual capacitance sensor. Use of 4 or more Arduino capacitance sensors may especially be justified in circumstances where the spatial variability of SMC is addressed by executing a large number of measurements. Here, the feasibility of the Arduino sensor system means that the use of these low-cost sensors, despite their reduced temporal precision, can be upscaled at relatively small costs.