Intelligente Systeme

Vorhersage des Wasserstandes anhand von Beispielen aus der Region "Willenscharen"

LLUR

 

  • finnaziert durch: Land Schleswig-Holstein

  • Partner: Landesamt für Landwirtschaft, Umwelt und ländliche Räume (LLUR)

  • 1. Periode: Oktober 2020 - Februar 2021, 2. Periode: März - September 2021, 3. Periode Oktober 2021 - April 2022

  • verantwortlich: Michel Spils, Simon Reichhuber

  • 1. Periode Abschlussbericht

  • 2. Periode Abschlussbericht

 

Das Bundesland Schleswig-Holstein ist vom Wasser bestimmt. Es gibt etwa 32.000 km fließendes Wasser, mehr als 1.400 km Küste und ca. 300 Seen. Rund ein Viertel der Landfläche ist zudem hochwassergefährdet. Die meisten dieser Gebiete gelten als klein und sind mit klassischen Modellen schwer vorherzusagen. Außerdem sind diese Modelle teuer in Betrieb und Wartung.

Im Rahmen dieses Projekts soll untersucht werden, inwieweit eine kurzfristige Vorhersage für hydrologische Messgeräte/-niveaus auf der Grundlage von Methoden des maschinellen Lernens erreicht werden kann. Künstliche neuronale Netze bieten eine besonders vielversprechende Möglichkeit. Während andere Methoden auf physikalischen Prinzipien basieren und versuchen, diese mathematisch abzubilden, sind neuronale Netze unabhängig von physikalischen Beziehungen. In kleinen Gebieten sind physikalische Annahmen oft nicht kontinuierlich (beispielsweise aufgrund bestimmter Begebenheiten oder aufgrund von Rückstau aus den vielen Seen oder Küstengewässern).

Die grundlegende Hypothese dieses Projekts lautet daher, dass eine Vorhersage des selbstlernenden Niveaus unter Einbeziehung von hydrologischem Wissen und Eingabedaten unter Verwendung eines künstlichen neuronalen Netzwerks möglich ist. Eine Literaturrecherche und erste LLUR-Experimente zeigen die allgemeine Eignung der Methode. Es muss nun untersucht werden, ob ein künstliches neuronales Netz für den Wasserstand an Messgeräten mit eigener Datenverteilung und der Forderung nach einer genauesten Vorhersage von Hochwasserspitzen in den typischen Einzugsgebieten von Schleswig-Holstein aufgebaut werden kann - und ob diese Vorhersage dann auch den den Anforderungen hydrologischer Vorhersagen entspricht .

Beispiel ist die  Vorhersage des Niveaus der Region Willenscharen. Schwerpunkt  der Forschungsarbeit ist die genaueste Darstellung von Hochwasserereignissen über die Höhe des Hochwasserspitzenwerts und die zeitliche Entsprechung zwischen dem Modell und den gemessenen Daten. Die Vorhersagequalität soll optimiert werden. Dies soll erreicht werden, indem ein geeignetes neuronales Netzwerk bestimmt und verwendet wird. Zudem müssen  geeignete Eingabeparameter ausgewählt und bestimmt werden. Aufgrund des Zeitfaktors bei der Hochwasserbildung müssen die Eingabeparameter in ihrem zeitlichen Verlauf berücksichtigt werden.

LLUR