AI kan förbättra prognos för översvämning i dagvattensystem
Kristianstads kommun har tillsammans med Högskolan i Kristianstad och Malmö universitet genomfört en pilotstudie där man med tagit hjälp av AI för förbättra sina prognoser för översvämning i dagvattensystemet. Resultaten visar hög träffsäkerhet med AI.
Kristianstads kommun arbetar sedan en tid tillbaka med prognossystemet Storm Water Management Model (SWMM). 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 tillägg har kommunen nu testat den AI-baserade modellen Nonlinear Autoregressive with Exogenous Inputs (NARX) som använder stora mängder historiska data för att förutsäga framtida vattennivåer.
Nu kommer vi att gå vidare med att söka finansiering för att utveckla ett verktyg som kan visualisera översvämningsriskerna
Resultatet visar att båda modellerna är effektiva för att förutsäga vattennivåer och var översvämningarna kommer att inträffa. Den AI-baserade modellen visade sig vara ännu mer exakt, med cirka 35 procent färre medelfel jämfört med den tidigare prognosmodellen. Detta innebär att NARX-modellen i framtiden kommer kunna ge mer tillförlitliga prognoser – något som är avgörande för att hantera översvämningsrisker.
– 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, 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 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.
