Table des matières
La Norvège et le reste du monde connaissent des inondations et des conditions météorologiques extrêmes plus fréquentes en raison du changement climatique. Les dégâts des eaux causés par les intempéries et les phénomènes naturels ont coûté 30 milliards de couronnes au cours des dix dernières années, selon le Fonds norvégien pour les catastrophes naturelles.
Pas d'alerte locale
En Norvège, nous avons la chance que la Direction norvégienne des ressources en eau et de l'énergie (NVE) émette des avertissements concernant les inondations à venir, mais cela s'applique principalement aux grandes rivières et aux voies navigables. Le niveau d'eau des petites rivières peut monter rapidement et celles-ci traversent souvent des zones densément peuplées.
Défi mondial, défi local
Les inondations et la préparation sont des responsabilités municipales très exigeantes. Il est particulièrement difficile pour les petites municipalités disposant de ressources limitées de gérer les situations d'inondation et d'assurer la sécurité de leurs habitants. Les avertissements doivent être précis lorsqu'il y a un risque d'inondation, afin que nous ne recevions pas de nombreuses alertes qui s'avèrent être de fausses alertes. Il est essentiel que la solution soit facile à utiliser et que les alertes soient transmises d'une manière compréhensible pour le personnel opérationnel, afin de permettre aux autorités de mettre en œuvre les mesures adéquates et de communiquer efficacement avec les habitants.
Les deux étudiants d'été, Nils et Thanh, auraient-ils pu résoudre le problème ?
Cet été, InfoTiles a eu le plaisir de travailler avec Thanh Nguyen, étudiant en commerce à l'université de Stavanger, et Nils Thomas Doherty Midtbø, qui étudie l'apprentissage automatique et l'analyse des données relatives aux cours d'eau à l'université de Tromsø. Ils ont relevé des défis pratiques sur le site InfoTiles' clients et ont développé et testé l'apprentissage automatique pour prédire le niveau des rivières jusqu'à 12 heures à l'avance.
Plusieurs algorithmes d'apprentissage automatique ont été mis en place et testés pour prédire la hauteur des rivières. En accord avec l'un de nos clients de développement (une municipalité norvégienne), les étudiants ont pu utiliser les données recueillies par InfoTiles à partir d'un point spécifique d'une rivière. Ces données ont été combinées avec des données sur les rivières en amont provenant de la Direction norvégienne des ressources en eau et de l'énergie (NVE). Les résultats étaient bons, avec une erreur absolue moyenne de 5 cm, mais ils seront améliorés.