Prognoser for vandstandsniveauer i åer og oversvømmelser ved brug af maskinlæring

Miljøstyrelsen ønsker at kombinere eksisterende hydrologiske og meteorologiske data på nye, innovative måder. På den baggrund iværksatte Miljøstyrelsen et pilotprojekt med det formål at udforske nye muligheder og teknologier. Projektet omhandler et varslingssystem til at beregne prognoser for vandstand og risiko for oversvømmelser fra åer og vandløb.

I pilotprojektet blev Vejle Å benyttet som eksempel, og DHI udviklede en enkel og pålidelig datadrevet metode til at kortlægge oversvømmelser. Metoden er baseret på prognoser af vandstand i åen, som er beregnet ved at anvende en kunstig, neural netværksalgoritme. Ved hjælp af maskinlæring var det muligt at forudsige vandstandsniveauet for de kommende 24 timer udelukkende baseret på nedbørsdata. DHI opfyldte Miljøstyrelsens mål om en maksimal fejlberegning på 15 cm i de forudsagte vandstandsniveauer for 96 % af tiden over en toårig simuleringsperiode.

‘At kunne forudsige vandstanden i åer og vandløb er uhyre vigtigt i forbindelse med oversvømmelser. Ved at udnytte fordelene ved maskinlæring får beslutningstagerne mulighed for hurtigt at kunne forudsige vandstanden med stor nøjagtighed. Dette giver i sidste ende bedre beslutningsprocesser for håndtering af oversvømmelser,” fortæller Nicola Balbarini, der er ekspert i vandressourcer hos DHI.

Nicola Balbarini
Water Resources Expert
niba@dhigroup.com