AI för bättre prognoser mot översvämningar

Kristianstad kommun har nyligen genomfört en banbrytande pilotstudie för att med hjälp av AI förbättra sina prognoser för översvämning i dagvattensystemet. Studien, som har genomförts i Degeberga, är ett samarbete mellan Kristianstad kommun, Högskolan Kristianstad och Malmö Universitet.

Kristianstads kommun arbetar sedan en tid tillbaka med ett prognossystem mot översvämningar. Det är en detaljerad modell som simulerar hur vatten rör sig genom kommunens dagvattensystem. Den tar hänsyn till markanvändning, terräng och vattnets rörelser i marken. I samarbete med Högskolan Kristianstad och Malmö Universitet har kommunen nu testat en ny AI-baserad maskininlärningsmodell som använder stora mängder historiska data för att förutsäga framtida vattennivåer.

Studien visade att båda modellerna är effektiva på att förutsäga vattennivåer och var översvämningarna kommer att inträffa. Det mest spännande i studien var dock att den AI-baserade modellen visade sig vara ännu mer exakt, med cirka 35 % lägre medelfel jämfört med den tidigare prognosmodellen. Detta innebär att AI-modellen i framtiden kommer kunna ge mer tillförlitliga prognoser – något som är avgörande för att hantera översvämningsrisker.

- Det här projektet är ett utmärkt exempel på hur ny teknik och samarbete mellan olika organisationer kan leda till innovativa lösningar, säger Magnus Lindgren, VA-ingenjör på Kristianstads kommun.

Studien är en del i kommunens projekt Smart-VA, som bland annat har finansierats genom Vinnova. Projektet Smart-VA har möjliggjort ett omfattande nätverk av hela 653 stycken IOT-sensorer (wiki Länk till annan webbplats.) som har installerats på strategiska platser runt om i kommunen. De sensorerna har i sin tur bistått AI-modellen med data för en pilottest i Degeberga.

- Det är mycket spännande att AI-modellen fungerade så bra. Nu kommer vi att gå vidare med att söka finansiering för att utveckla ett verktyg som kan visualisera översvämningsriskerna. Det kommer hjälpa oss att bygga bort svaga länkar i ledningsnätet, men även kunna förvarna medborgarna. Vår ambition är att göra verktyget tillgängligt för alla i kommunen, säger Magnus Lindgren.

För den tekniskt intresserade finns rapporten i sin helhet på länken nedan.

• Comparative Evaluation of Water Level Forecasting Using IoT Sensor Data: Hydrodynamic Model SWMM vs. Machine Learning Models Based on NARX Framework Länk till annan webbplats.