Betere voorspellingen met AI voor waterbeheer

Vooruitkijken op de Rijn met LobithNN

Nederland leeft met water. Elke dag worden beslissingen genomen over waterverdeling, stuwen, sluizen, scheepvaart en zoetwaterbeschikbaarheid. Om die beslissingen goed te kunnen nemen, is het belangrijk om te weten wat er morgen en overmorgen gebeurt.

Deltares onderzoekt en gebruikt steeds vaker AI als onderdeel van toegepast wetenschappelijk onderzoek. Niet als vervanging van bestaande kennis en modellen, maar als aanvulling daarop. Een mooi voorbeeld daarvan is AI-model LobithNN. Het model voorspelt hoeveel water de Rijn bij Lobith zal aanvoeren in de komende 48 uur.

Deze voorspellingen worden nu operationeel gebruikt door Rijkswaterstaat en ondersteunen experts bij het dagelijkse beheer van het Nederlandse watersysteem.

Voor hydroloog en modelontwikkelaar Jurian Beunk laat het project zien hoe nieuwe technologie daadwerkelijk waarde kan creëren. “Met AI kunnen we de afvoerverwachting bij Lobith verbeteren, waardoor we betere beslissingen kunnen maken: better forecasts, better decisions."

Lobith belangrijk punt voor waterbeheer

Lobith ligt in de provincie Gelderland en is de plek waar de Rijn Nederland binnenkomt. Wat daar het land instroomt, heeft invloed op een groot deel van het Nederlandse watersysteem.

"Veel waterbeheerders in Nederland kijken als het ware naar Lobith om te begrijpen wat er op hen afkomt," vertelt Jurian. "De Rijn is een groot en relatief traag systeem. Daardoor kunnen we op basis van metingen stroomopwaarts al gedeeltelijk voorspellen wat er uren of dagen later in Nederland gebeurt."

LobithNN maakt gebruik van waarnemingen van meerdere meetstations langs de Rijn in Duitsland en van waarnemingen in Lobith van de afgelopen dagen. Op basis van deze informatie berekent het AI-model hoeveel water er de komende twee dagen Nederland binnen zal stromen. Deze inzichten helpen waterbeheerders vooruit te kijken en tijdig maatregelen te nemen.

Waardevol voor het dagelijks waterbeheer

Als mensen aan watermodellen denken, denken ze vaak aan overstromingen of droogte. In werkelijkheid draait een groot deel van het Nederlandse waterbeheer om dagelijkse operationele beslissingen. Er wordt continu water verdeeld, waterstanden worden gemonitord en infrastructuur zoals stuwen en sluizen wordt aangepast op basis van verwachte omstandigheden. Voor al die keuzes zijn betrouwbare verwachtingen noodzakelijk.

"Veel besluiten worden genomen op basis van informatie over wat er morgen gebeurt," zegt Jurian. "Hoe beter je vooruit kunt kijken, hoe beter je vandaag kunt handelen." Dit is precies waar LobithNN toegevoegde waarde biedt. Het ondersteunt experts die dagelijks verwachtingen opstellen en helpt hen sneller een completer beeld te krijgen van de situatie.

Wat maakt AI anders?

LobithNN is gebaseerd op deep learning, een technologie waarmee modellen complexe verbanden kunnen leren uit grote hoeveelheden historische gegevens. Het model wordt getraind op basis van eerdere waterstandmetingen bij meetstations stroomopwaarts in Duitsland, in combinatie met afvoermetingen bij Lobith, en leert hoe deze metingen verband houden met de toekomstige afvoer bij Lobith.

Belangrijk is dat het model geen expliciete beschrijving hoeft te krijgen van de onderliggende hydrologische, hydraulische en hydrodynamische processen. Aan de hand van de patronen in de waarnemingen kan het model de veranderende toestand van het riviersysteem in kaart brengen. Bijvoorbeeld hoe veranderingen in waterstanden zich stroomafwaarts voortplanten en hoe de respons bij Lobith zich in de loop van de tijd ontwikkelt.

Dit is een belangrijk verschil met de traditionele hydrologische, hydraulische en hydrodynamische modellen die Deltares al decennia ontwikkelt. Traditionele modellen geven expliciet de fysische processen weer die het watersysteem beheersen, terwijl AI-modellen relaties en representaties rechtstreeks uit waarnemingen leren.

Zoals Jurian het verwoordt: „Een AI-model leert relaties uit data. Een hydroloog begrijpt waarom die relaties bestaan. Die combinatie maakt het zo krachtig.” Voor Jurian gaat de toekomst dan ook niet over het kiezen van de ene benadering boven de andere, maar over het combineren van beide

Data kunnen ons veel leren. Fysische kennis helpt ons processen te begrijpen. Juist die combinatie vormt een sterke basis voor de volgende generatie modellen.

Jurian Beunk, hydroloog en modelontwikkelaar bij Deltares

Van onderzoek naar dagelijkse praktijk

Een van de successen van LobithNN is dat het model daadwerkelijk in gebruik is genomen in operationele voorspelsystemen van Rijkswaterstaat (RWsOS). De voorspellingen maken inmiddels onderdeel uit van de operationele systemen van Rijkswaterstaat en ondersteunen de dagelijkse werkzaamheden van waterbeheerders.

Voor Jurian is dat misschien wel het mooiste resultaat van het project. "Waar ik het meest trots op ben, is dat dit niet op de plank is blijven liggen. We hebben samen iets ontwikkeld dat nu daadwerkelijk wordt gebruikt in het dagelijkse waterbeheer van Nederland. Dan zie je dat onderzoek niet stopt bij een rapport, maar echt impact heeft in de praktijk." Die stap van onderzoek naar toepassing sluit nauw aan bij de missie van Deltares: kennis ontwikkelen én toepassen voor maatschappelijke vraagstukken.

Samenwerken aan innovatie

LobithNN is ontwikkeld in nauwe samenwerking tussen onderzoekers, hydrologen, AI-specialisten bij Deltares en Rijkswaterstaat. Door verschillende expertises samen te brengen ontstond een oplossing die wetenschappelijk onderbouwd én praktisch toepasbaar is.

Volgens Jurian is juist die samenwerking een belangrijke voorwaarde voor succesvolle innovatie. "Goede AI ontstaat niet alleen vanuit technologie. Je hebt ook kennis van het systeem nodig, begrip van de praktijk en mensen die weten welke beslissingen uiteindelijk genomen moeten worden."

“Het AI-model leert complexe verbanden uit grote hoeveelheden meetgegevens uit het hele Rijnstroomgebied", vertelt Jing Deng, AI-specialist bij Deltares. "De uitdaging is om wat het model leert om te zetten in voorspellingen die niet alleen nauwkeurig zijn, maar ook robuust onder verschillende hydrologische omstandigheden. Daar is samenwerking met hydrologen en domeinexperts echt noodzakelijk. Zij brengen kennis van het riviersysteem in en helpen ons te begrijpen of het gedrag van het model overeenkomt met wat we weten over de onderliggende processen. Tegelijkertijd kan het AI-model verbanden in de gegevens aan het licht brengen die in een traditioneel model wellicht moeilijk expliciet vast te leggen zijn."

Het is de combinatie van machine learning, hydrologische kennis en operationele expertise die LobithNN zo krachtig maakt.

Jing Deng, AI-specialist bij Deltares

AI als hulpmiddel

“De toekomst blijft onzeker, zelfs met AI. Hoewel AI mensen kan ondersteunen bij het nemen van beslissingen, blijft de verantwoordelijkheid voor beslissingen bij individuen en organisaties liggen. Een computer kan niet ter verantwoording worden geroepen.”

Met betrekking tot de rol van kennis en expertise, zegt Jurian: “Hydrologische processen en onze watersystemen zijn complex. Een hoge mate van kennis en expertise van hoe deze systemen werken is essentieel voor het maken van de juiste beslissingen.”

Binnen het waterbeheer blijven mensen verantwoordelijk voor interpretatie, afwegingen en besluitvorming. AI ondersteunt dat proces door sneller inzichten te leveren en informatie toegankelijker te maken. Vooral bij toepassingen die rechtstreeks van invloed zijn op de samenleving, vereist dit een zorgvuldige en verantwoordelijke aanpak

Een blik op de toekomst

LobithNN illustreert hoe kunstmatige intelligentie kan bijdragen aan de maatschappelijke opgaven waar Deltares aan werkt. Van betere voorspellingen en snellere analyses tot nieuwe manieren om kennis uit data te halen: AI creëert nieuwe mogelijkheden om onderzoekers en professionals te ondersteunen.

De grootste waarde ligt echter niet in de technologie zelf. Echte impact ontstaat pas wanneer technologie, wetenschappelijke kennis en menselijke expertise samenkomen om betere beslissingen mogelijk te maken. Zoals Jurian concludeert: “AI helpt ons vooruit te kijken. Het is aan de mensen om die inzichten om te zetten in betere beslissingen."

Memo 'Redevelopment of LobithNN'

De technische achtergrond, modelkeuzes en resultaten staan beschreven in de memo Redevelopment of LobithNN. Hierin lees je hoe het model is ontwikkeld en getest, welke verbeteringen zijn bereikt en welke mogelijkheden de onderzoekers zien voor verdere ontwikkeling.