New Nexus ontwikkelde voor waterschap Hunze en Aa’s een zelflerend algoritme. Hiermee kan het waterschap voorspellen wanneer een rioolgemaal de afvoer van water niet meer aankan en gaat overstorten. “Data science kan ons helpen om knelpunten en problemen eerder te zien aankomen en daarop tijdig te reageren”, zegt Kees van Nes, projectmanager meten en monitoren waterketen bij Waterschap Hunze en Aa’s.
Het waterschap wilde graag kunnen voorspellen wanneer een rioolgemaal de afvoer van water niet meer aankan en zal gaan overstorten. En dan het liefst getoond in een overzicht van alle gemalen met het verwachte waterniveau per dag in de aankomende week ten opzichte van het maximale waterniveau dat het gemaal aan kan. Hiervoor nam het waterschap New Nexus in de arm.
Het bedrijf koos voor een XGBoost algoritme, dat vervolgens is ‘getraind’ met historische data over het functioneren van verschillende gemalen. Zo ‘weet’ het algoritme wat de maximale capaciteit van een gemaal is onder verschillende omstandigheden. En kan het algoritme berekenen welke kenmerken de meeste invloed hebben op het waterniveau in een gemaal.
Actuele waardes
Voor de voorspelling van het waterniveau wordt het algoritme enerzijds real time gevoed met de actuele waardes van alle kenmerken van een gemaal, zoals de capaciteit van de pomp of de hoeveelheid te verwachten watertoevoer uit huishoudens. Anderzijds maakt het algoritme gebruik van data van het KNMI over te verwachten regenval. Hiermee kan het algoritme nu berekenen en voorspellen wanneer een gemaal zijn maximale capaciteit overschrijdt en dus zal overstromen.
Betrouwbaarheidsscore
Elke uitkomst van het algoritme krijgt een betrouwbaarheidsscore mee. Deze score geeft aan hoe betrouwbaar de voorspelling is. De variabelen met de hoogste betrouwbaarheidsscore, oftewel met de meeste invloed op het voorspelde waterniveau in het gemaal, worden teruggevoerd aan het model. Door deze feedback-loop is het model zelflerend en kan New Nexus het model geschikt maken voor elke situatie en dus voor veel verschillende gemalen. Bovendien blijft het algoritme zijn rekenformule steeds verder verbeteren door de continue voeding van nieuwe data en blijft het voorspellingsmodel dus accuraat, stelt New Nexus.
Visualisatie
Met de voorspelling van het algoritme kunnen de data-analisten van Waterschap Hunze en Aa’s een visualisatie maken van de verwachte status van elk gemaal gedurende de aankomende week. Dit kan met diverse visualisatietools in elke gewenste vorm worden gemaakt. Volgens Kees van Nes, projectmanager meten en monitoren waterketen bij Waterschap Hunze en Aa’s, staat data science wat betreft meetdata en voorspellingen bij Hunze en Aa’s nog in de kinderschoenen. “We denken dat data science ons kan helpen om beter inzicht te krijgen in het functioneren van ons (afval)watersysteem en om knelpunten en problemen eerder te zien aankomen en daarop tijdig te reageren. New Nexus heeft ons goed geholpen om dit inzicht te verkrijgen.”
Direct actie ondernemen
Doordat Waterschap Hunze en Aa’s nu op tijd kan zien aankomen wanneer een gemaal dreigt te overstromen, kan het direct actie ondernemen. Bijvoorbeeld door extra pompen bij te zetten of een bezinkbassin al bij voorbaat leger te pompen. Zo kan de verwerking van de totale hoeveelheid water beter worden gespreid en komt er geen ongezuiverd rioolwater in de natuur. Minder overstortingen betekent ook simpelweg minder kosten en dat is in het belang van elke waterschapsbelastingbetaler, stelt New Nexus.
