Maskinlæring bruges til prognoser for vandstandsniveauer

Maskinlæringsteknologier bliver i stigende grad anvendt som datadrevne metoder til at lave prognoser. DHI har anvendt teknologien til at lave hurtige og effektive prognoser for oversvømmelser fra åer og vandløb.

Miljøstyrelsen har et ønske om at kombinere eksisterende hydrologiske og meteorologiske data på nye, innovative måder. Derfor 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.

Vejle Å blev i pilotprojektet 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. Projeket viste, at 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.

Læs nyheden på DHIs hjemmeside

Foto © DHI: Kortet viser oversvømmelse af en strækning af Vejle Å. Kortlægningen er udført ved hjælp af en simpel datadrevet maskinlæringsmetode kombineret med et topografisk GIS-lag.