Snellere computermodellen, betere beslissingen

De uitdaging: sneller inzicht in complexe systemen

In vakgebieden als stromingsleer en sedimenttransport zijn computermodellen vaak zo gedetailleerd dat zelfs supercomputers er weken over doen om één scenario – zoals een extreme storm of een dijkdoorbraak – door te rekenen. Dat belemmert snelle besluitvorming bij bijvoorbeeld extreme weersomstandigheden. De vraag “kan het niet sneller?” is actueler dan ooit, zeker nu we toewerken naar real-time besluitvorming.

Onder het Enabling Technology-programma van Deltares onderzoeken Kelbij Star en Joost Kranenborg hoe modelreductie hier verandering in kan brengen.

Wat is modelreductie?

Modelreductie, ook wel Reduced-Order Models (ROMs) genoemd, vereenvoudigt complexe rekenmodellen zonder de essentie van het gesimuleerde systeem (zoals een rivier, kustgebied of ondergrond) te verliezen. Door te focussen op dominante patronen in plaats van elk detail, kunnen modellen tot honderden keren sneller worden doorgerekend. “We brengen miljoenen vergelijkingen terug tot enkele tientallen, terwijl we nog steeds 99,99% van het systeemgedrag – zoals bijvoorbeeld stromingspatronen of veranderingen in waterstanden – behouden,” zegt Kelbij, toegepast natuurkundige bij Deltares.

Slimme combinatie van data, fysica en ervaring

Bij Deltares combineren we simulaties, labdata en veldmetingen om modellen te trainen. “We starten vaak met simulaties, die we vervolgens valideren met labdata uit gecontroleerde omgevingen. Daarna bevestigen we de toepasbaarheid met veldmetingen,” legt Kelbij uit. “Dat maakt onze modellen niet alleen snel, maar ook fysiek onderbouwd en praktisch toepasbaar.”

Peter Vermeulen, senior-adviseur en grondwater modelleur bij grondwater en waterzekerheid bij Deltares, besteedde bijna 25 jaar geleden al zijn promotieonderzoek naar modelreductie in grondwatermodelleringen. Zijn onderzoek richtte zich onder andere op het gebruik van ROMs voor modeloptimalisatie problemen waarbij parameters worden afgestemd zodat de overeenkomst met metingen zo optimaal mogelijk is. “Na mijn promotie in 2006 was er nog weinig enthousiasme over ROMs, aangezien de modellen nog relatief klein waren en de toenamen van rekenkracht explosiever. Ik zie nu wel dat er meer momentum lijkt te zijn omdat de huidige modelleringsaanpak vaak de huidige wensen vanuit real-time modellering minder aan kan,” vertelt Peter.

Toepassingen in de praktijk

We passen ROM-technieken toe op stromingsmodellen en grondwatermodellen, onder andere voor digital twins. Deze digitale tweelingen hebben snelle modellen nodig om direct te kunnen reageren op veranderende condities in de fysieke omgeving. Denk aan toepassingen in waterbeheer, klimaatadaptatie en ondergrondbeheer.

Stel je voor: een zware storm trekt over Nederland en het water stijgt snel. Beslissers moeten in korte tijd bepalen waar tijdelijke waterberging nodig is, of welke dijken versterkt moeten worden. Met traditionele modellen duurt het te lang om alle scenario’s door te rekenen. Dankzij ROMs is het mogelijk real-time simulaties uit te voeren en zo is het mogelijk direct inzicht te geven in de beste maatregelen. Dit versnelt niet alleen de besluitvorming, maar kan ook levens redden.

Joost, expert gedetailleerde modellering van morfodynamica bij Deltares, vult aan: “Juist door fysica en data te combineren, kunnen we beter begrijpen waar verschillen vandaan komen tussen lab- en veldmetingen. Dat is onmisbaar voor robuuste besluitvorming.”

Deltares vormt een unieke brug tussen academisch onderzoek en maatschappelijke toepassing. Juist in samenwerking kunnen we Reduced Order Models inzetten om sneller én duurzamer te rekenen aan complexe water- en bodemvraagstukken.

Dr.ir. Shobhit Jain, onderzoeker TU Delft

Sneller reageren bij overstromingen

"Een mooi voorbeeld om razendsnel samengestelde overstromingen te kunnen simuleren is het SFINCS-model. Hoewel het model zelf geen klassiek Reduced Order Model is, biedt het reduced-complexity karakter een solide basis voor verdere versnelling met behulp van ROM-technieken of AI-surrogaten. Daarmee kunnen we in de toekomst nog sneller en efficiënter scenario’s doorrekenen, bijvoorbeeld in digitale tweelingen of grootschalige onzekerheidsanalyses.” vertelt Kelbij.

“Dit model dat bij Deltares is ontwikkeld kan bijvoorbeeld gebruikt worden om stormvloeden in combinatie met rivierafvoer efficiënt te simuleren. Wat ik er zo krachtig aan vind, is dat het model een goede balans biedt tussen rekensnelheid en nauwkeurigheid. Daardoor kunnen we het inzetten voor snelle quickscans, vroegtijdige waarschuwingen en het testen van adaptatiemaatregelen. SFINCS is inmiddels wereldwijd toegepast, van Bangladesh tot de Verenigde Staten en op diverse kleine eilandstaten.”

Erosie rond funderingen van offshore windturbines

Een ander voorbeeld is erosie rond funderingen van offshore windturbines. Traditionele modellen zijn zo rekenintensief dat slechts één scenario per week doorgerekend kan worden. Joost Kranenborg: “Met ROMs kunnen we veel sneller inzicht krijgen in hoe verschillende scenario’s invloed hebben op erosie. Dat helpt ons om robuustere ontwerpen te maken en beter te communiceren met opdrachtgevers. Bovendien kunnen we sneller varianten testen en onzekerheden analyseren, wat belangrijk is voor duurzame energieprojecten op zee.”

Meer voorbeelden

ROMs bewijst ook zijn waarde in uiteenlopende toepassingen buiten overstromingsmodellen.

• Zo wordt het ingezet voor (near)real-time lekdetectie in stedelijke pijpleidingsystemen. “Met traditionele modellen duurt het vaak te lang om een lek op te sporen,” vertelt Kelbij. “ROMs maken het mogelijk om veel sneller en nauwkeuriger te bepalen waar een lek zit en hoe het zich verspreidt. Dat helpt om schade aan infrastructuur en milieu te beperken én maakt pijpleidingsystemen veerkrachtiger in crisissituaties.”

• Ook bij maritieme incidenten, zoals olielekkages, telt elke minuut. “Met ROMs kunnen we razendsnel simuleren hoe olie zich verspreidt onder invloed van stroming, wind en getij,” aldus Kelbij. “Zo kunnen hulpdiensten direct de juiste maatregelen nemen – van het inzetten van opruimcapaciteit tot het tijdelijk sluiten van havens of kwetsbare natuurgebieden.”

• Daarnaast willen we ROMs inzetten als digital twins van onze experimentele faciliteiten. “We maken virtuele kopieën van testopstellingen waarin we stromings- of bodemprocessen nabootsen,” legt Joost uit. “Bij zo’n digital twin zouden we een snelle versie van het rekenmodel — de ROM — aan live meetdata kunnen koppelen. Daardoor kunnen we dan razendsnel scenario’s doorrekenen en direct inspelen op veranderende condities.”

Slim omgaan met data

Naast rekentijd vormt ook de omvang van data een verborgen bottleneck bij het modelleren van complexe systemen. Terabytes aan veldmetingen, satellietbeelden en simulaties kunnen de rekenkracht en opslagcapaciteit flink belasten. ROMs bieden vaak uitkomst door niet alleen het model te vereenvoudigen, maar ook door data-efficiëntie: ze focussen op de meest relevante patronen. Hoewel de training van een ROM-model nog steeds veel data vereist, is dat een eenmalige investering. Daarna kan het gereduceerde model snel en herhaaldelijk worden ingezet om uiteenlopende scenario’s te simuleren.

Die efficiëntie vraagt om samenwerking tussen domeinexperts, data scientists en softwareontwikkelaars. Door inhoudelijke kennis, slimme algoritmes en robuuste software te combineren, ontstaan modellen die én snel én betrouwbaar zijn – onmisbaar voor besluitvorming onder tijdsdruk.

Deltares werkt hiervoor nauw samen met universiteiten en partners. “Ons ultieme doel is om real-time modellen beschikbaar te maken voor klimaatadaptatie, duurzame energie en waterveiligheid,” zegt Kelbij. Innovatie ontstaat niet alleen in het lab, maar juist in samenwerking tussen experts uit verschillende disciplines.

Machine learning en ROM bieden ons de kans om simulaties niet alleen sneller en energiezuiniger te maken, maar ook slimmer: door data en fysica te combineren. Bij Deltares benutten ze deze technologieën met een kritische blik: niet als vervanging van fysische modellen, maar als versterking ervan.

Dr. Alexander Heinlein, onderzoeker TU Delft

Samenwerken aan ROMs

Begin september organiseerde Deltares een sessie over ROMs waarin experts uit verschillende vakgebieden de mogelijkheden van Reduced Order Modeling (ROM) voor complexe water- en bodemvraagstukken bespraken. Hiervoor waren TU Delft-onderzoekers Dr.ir. Shobhit Jain en Dr. Alexander Heinlein uitgenodigd om hun werk op het gebied van modelreductie te presenteren.

Dit naar aanleiding van de eerder door hen georganiseerde 4TU.AMI SRI Workshop on Model Reduction binnen SRI ‘Model Reduction for Industrial Applications’. Deze sessie leverde waardevolle inzichten op over waar ROMs het verschil kunnen maken, over welke kennis nog nodig is, en over hoe we samen de stap naar praktische toepassingen versnellen.

Bij Deltares willen we ROMs niet alleen verder ontwikkelen, maar vooral ook toepassen. Daarom horen we graag van onze partners: waar vormen rekentijd of datagrootte een knelpunt? Waar kunnen snellere modellen echt impact maken? We denken graag mee!