Voorspellen van afvoer met Machine Learning

In deze studie is onderzocht of de neerslag-afvoer modellering in de Geul verbeterd kan worden met een data gedreven model.

Met behulp van een Machine Learning algoritme zijn modellen opgezet voor de verschillende stroomgebieden die afwateren op de Geul. De modellen zijn getraind op basis van een dataset van meer dan 20 jaar aan neerslag- en afvoergegevens. De resultaten zijn positief: Veelal wordt een beter resultaat verkregen ten opzichte van het huidige HBV-model.

Het algoritme wordt geïmplementeerd in het operationele Delft-FEWS systeem van de Geul en gaat naast het HBV-model draaien zodat de komende tijd de resultaten gemonitord kunnen worden.
Een van de voordelen van het Machine Learning model is dat het snel rekent waardoor het mogelijk is meerdere weersverwachtingen (ensembles) door te rekenen.