Voorspellen van wellenlocaties via gecombineerde datasets en expertkennis

Dit project onderzoekt hoe AI-technieken kunnen helpen om locaties van zandmeevoerende wellen langs waterkeringen beter te voorspellen en zo overstromingsrisico’s te verkleinen. Door geologische data, waterstandsgegevens en expertkennis te combineren, is een prototype machine learning-model (XGBoost) ontwikkeld om de kans op wellen bij hoogwater te schatten. Daarnaast zijn LLM’s ingezet om inzichten uit inspectierapporten te halen. Het doel is om monitoring, crisismanagement en kennisontwikkeling rond piping-falen te ondersteunen.