Met AI droogte voorspellen, tot 30 dagen vooruit

Met artificiële intelligentie accuraat droogte voorspellen is niet langer een toekomstdroom. De VMM liet een systeem uittesten dat meteorologische data combineert met voorspelde neerslag, evapotranspiratie, temperatuur en enkele ruimtelijke karakteristieken om (laagwater)debieten te voorspellen, tot 30 dagen vooruit. En dat levert voor het merendeel van de geteste locaties erg accurate debietvoorspellingen op.

9 februari 2021

Deel online

In opdracht van de VMM maakte ingenieursbureau Sumaqua een model voor laagwatervoorspellingen op onbevaarbare waterlopen, met inzet van artificiële intelligentie (AI), soms ook machine learning (ML) genoemd. In de figuur hieronder zie je hoe de ML-debietvoorspelling (in het groen, het hAIdro model) een voorafspiegeling vormt van de debieten die we later gemeten hebben (observaties in het blauw).

Vanaf dit voorjaar zullen we met dit model voorspellingen maken voor de ca. 100 bestaande debietmeetlocaties van de VMM op onbevaarbare waterlopen. De ML-modellen kunnen daarnaast ook makkelijk uitgebreid worden naar bijkomende locaties.

Waarvoor kunnen we dit model gebruiken?

• De laagwatervoorspellingen kunnen helpen in het opvolgen van droogte en het nemen van beslissingen, bv. het instellen van lokale of regionale captatieverboden.
• Het model kan informatie geven over de beschikbare waterhoeveelheden.
• Droogte ontwikkelt zich vaak langzaam, en ook het herstel verloopt traag. Met dit model kunnen we verder dan ooit tevoren vooruit kijken: tot 30 dagen in de toekomst.

En er zijn nog mogelijkheden

• We bekijken de toepassingsmogelijkheden voor ‘Internet of Things’ (IoT) peilsensoren die al in dienst zijn bij de VMM en de provincies, en in de toekomst meer en meer ingezet zullen worden om de waterlopen te monitoren. De zelflerende algoritmes kunnen ook voor die nieuwe en korte meetreeksen sneller accurate voorspellingen genereren.
• We bekijken de toepassing ervan op waterlopen waar we geen historische metingen van de waterstanden hebben. Zo komen we misschien tot gebiedsdekkende real-time laagwatervoorspellingen voor heel Vlaanderen.
• De gebruikte ML-methodologie is ook breder inzetbaar, bv. om in de toekomst ook de modellering van waterkwaliteit te verkennen.

Waterbeheerders: aan de slag!

De VMM ontsluit de hydrologische meet- en voorspellingsgegevens als ‘open data’ via www.waterinfo.be. Deze gegevens kunnen ook op geautomatiseerde wijze verder gebruikt worden via de webservices binnen dit platform. In de toekomst kan het koppelen van andere open datasets zeker meerwaarde creëren voor de inzet van ML-toepassingen in het waterbeheer.

In december 2020 organiseerde de VMM met lokale waterbeheerders en betrokkenen een workshop over het instellen van lokale of regionale captatieverboden. Hierbij zochten we samen ook naar een goede manier om de voorspelde gegevens voor te stellen. We plannen als vervolg hierop nog een tweede interactiemoment waarop we de eindresultaten van het ML-project zullen presenteren en zullen bekijken hoe we artificiële intelligentie in de toekomst verder kunnen inzetten binnen het waterbeheer.

Wil je graag op de hoogte blijven van de eindresultaten van de Machine learning-studie en de verdere initiatieven hierrond? Neem dan zeker contact op met de VMM.