Inhoudsopgave
Noorwegen en de rest van de wereld hebben vaker te maken met overstromingen en extreme weersomstandigheden als gevolg van klimaatverandering. Waterschade door het weer en natuurrampen heeft volgens het Noorse Natuurrampenfonds de afgelopen tien jaar 30 miljard kronen gekost.
Geen lokale waarschuwingen
In Noorwegen hebben we het geluk dat het Noorse Directoraat voor Watervoorraden en Energie (NVE) waarschuwt voor naderende overstromingen, maar dit geldt voornamelijk voor grotere rivieren en waterwegen. Het waterpeil in kleinere rivieren kan snel stijgen en deze lopen vaak door dichtbevolkte gebieden.
Wereldwijde uitdaging, lokale uitdaging
Overstromingen en paraatheid zijn gemeentelijke verantwoordelijkheden en stellen hoge eisen. Het is vooral een uitdaging voor kleinere gemeenten met beperkte middelen om overstromingssituaties het hoofd te bieden en de veiligheid van hun inwoners te garanderen. Waarschuwingen moeten nauwkeurig zijn wanneer er een overstromingsrisico is, zodat we niet veel waarschuwingen ontvangen die vals alarm blijken te zijn. Het is van cruciaal belang dat de oplossing eenvoudig te gebruiken is en dat de waarschuwingen op een manier worden gegeven die operationeel personeel kan begrijpen, zodat de autoriteiten de juiste maatregelen kunnen nemen en effectief met de bewoners kunnen communiceren.
Zouden de twee zomerstudenten, Nils en Thanh, het probleem hebben opgelost?
Deze zomer had InfoTiles het genoegen om samen te werken met businessstudent Thanh Nguyen van de Universiteit van Stavanger en Nils Thomas Doherty Midtbø, die machine learning en data-analyse van waterloopgegevens studeert aan de Universiteit van Tromsø. Ze hebben praktische uitdagingen aangepakt bij InfoTiles' klanten en hebben machine learning ontwikkeld en getest om rivierstanden tot 12 uur van tevoren te voorspellen.
Er werden verschillende machine learning-algoritmen opgezet en getest om de rivierhoogte te voorspellen. In overleg met een van onze ontwikkelingsklanten (een Noorse gemeente) konden de studenten gegevens gebruiken die door InfoTiles waren verzameld op een specifiek punt in een rivier. Dit werd gecombineerd met stroomopwaartse riviergegevens van het Noorse Directoraat voor Watervoorraden en Energie (NVE). De resultaten waren goed, met een gemiddelde absolute fout van 5 cm, maar zullen worden verbeterd.