Nieuws

Voorspellingsmodellen en scenario-ontwikkeling voor de drinkwaterinfrastructuur

Rekening houden met onzekerheden is essentieel

Voorspellende modellen en scenario-ontwikkeling kunnen waterbedrijven helpen om de huidige infrastructuur beter te beheren en een betere waterinfrastructuur voor de toekomst te ontwerpen. Investeringen in die infrastructuur moeten immers hun waarde ook nog over meerdere decennia kunnen bewijzen. Op 18 april besprak het Platform Hydroinformatica hoe je voorspellende modellen en scenario-ontwikkeling effectief en zinvol kunt inzetten. Essentieel zijn aandacht voor de onzekerheden en een aanpak die met die onzekerheden zo veel mogelijk rekening houdt.

Drinkwaterbedrijven moeten kort en lang vooruit plannen: de infrastructuur onder de grond moet heel lang meegaan. Maar hoe weet je welke prestaties die infrastructuur over één, vijf, twintig, vijftig of misschien wel honderd jaar moet kunnen leveren? De toekomst is immers steeds moeilijker voorspelbaar, veranderingen gaan steeds sneller en de richting van de veranderingen is steeds onvoorspelbaarder. Voorspellende modellen en scenario-ontwikkeling kunnen waterbedrijven helpen om de huidige infrastructuur beter te beheren een betere waterinfrastructuur voor de toekomst te ontwerpen, maar hoe zet je deze middelen het effectiefst in? Dat was op 18 april het onderwerp van de  tweede bijeenkomst van het Platform Hydroinformatica in 2019. Binnen het Platform Hydroinformatica, dat is opgezet in het kader van het Bedrijfstakonderzoek voor de drinkwaterbedrijven, komen vier maal per jaar ongeveer 20 mensen van waterbedrijven en KWR bij elkaar om kennis en ervaring uit te wisselen rond watergerichte ICT-toepassingen bij (water)bedrijven (

De combinatie van wateronderzoek en informatietechnologie maakt het mogelijk om data te vertalen in kennis, waarna onderbouwde beslissingen kunnen worden genomen.

).

Voorspellen voor korte tot zeer lange termijn

Een model dat de differentiaalvergelijkingen oplost die de fysische, chemische en-of biologische processen beschrijven.

, zowel

Een model dat de invoer volgens een vaststaande wetmatigheid omzet in uitvoer, zonder rekening te houden met onzekerheden.

als

Een stimulus-respons-model waarvan het gedrag bekend is, maar niet de inwendige constructie.

, zijn al tientallen jaren in gebruik in de watersector, maar worden steeds meer ingezet. Voorspellende modellen kunnen onder meer worden gebruikt om operationele en controlebeslissingen te ondersteunen. Ook kunnen modellen worden gebruikt om meerdere scenario’s voor een onzekere toekomst te ontwikkelen en te evalueren: zo kunnen drinkwaterbedrijven de concepten en ontwerpen selecteren die de beste mogelijkheden bieden om aan de eisen van een onzekere toekomst tegemoet te komen. Voorspellende modellen kunnen worden ingezet voor meerdere doelen en de uiteenlopende tijdschalen die daarbij horen. Om de operationele besluitvorming te ondersteunen vraagt bijvoorbeeld om real time horizonplanning: een dag vooruitkijken. Ondersteuning van het dagelijks beheer van watersystemen vraagt om kortetermijnplanning, terwijl voor het ontwikkelen van besturings- en aanpassingsstrategieën middellangetermijnplanning nodig is  en voor robuust infrastructuurontwerp een langetermijnplanning die decennia omvat. Enkele voorbeelden van de inzet van voorspellende modellen en scenario-ontwikkeling in de drinkwatersector kwamen op 18 april voor het voetlicht.

Voorspellende modellen en scenario-ontwikkeling effectief en zinvol inzetten vraagt om aandacht voor de onzekerheden en een aanpak die met die onzekerheden zo veel mogelijk rekening houdt (after Nekkers, 2006: Wijzer in de Toekomst. Werken met toekomstscenario’s).

Veerkracht stedelijke watercyclus

Zo is binnen het Bedrijfstakonderzoek een methode ontwikkeld voor een veerkrachtanalyse van de stedelijke watercyclus, van bron tot kraan. Deze methode maakt het mogelijk verschillende opties voor de strategische planning van waterbedrijven onderling te vergelijken, zodat besluitvormers inzicht krijgen in de robuustheid en veerkracht van verschillende opties voor stedelijke watersysteemconfiguraties en die kunnen afwegen tegen de bijbehorende kosten. Voor deze methoden bestaan Watershare Tools,  zoals de Urban Water Optioneering Tool (UWOT) en nieuwe KWR tools, zoals de Scenario Builder.

Klimaatrobuuste schattingen

Erwin Vonk (KWR) en Jurjen den Besten (Oasen en Spatial Insight) presenteerden een methodiek die is ontwikkeld om zowel de gemiddelde watervraag te bepalen als de extreme watervraag, die statistisch eens in de 10 jaar kan optreden voor de zichtjaren 2050 en 2085. Deze methodiek, EDWARD genoemd, maakt het voor de drinkwaterbedrijven mogelijk om rekening te houden met effecten van klimaatverandering en veranderingen in vakantiespreiding bij het plannen van hun infrastructurele investeringen in productie- en opslagcapaciteit.

Mechanische graafschade voorspellen

Kristina Arsova presenteerde hoe Brabant Water maakt voorspellingen van mechanische graafschade aan transportleidingen met algoritmes die zelf leren (machine learning), waaronder Random Forest, SVM en Logistic Regression in combinatie met  verschillende

Een selectie uit een totale populatie ten behoeve van een meting van bepaalde eigenschappen van die populatie.

. Op basis van de beschikbare planningsinformatie (bv. KLIC data) worden de projecten geïdentificeerd waarbij het risico op mechanische graafschade aan de transportleidingen het grootst is.

Onzekerheden ondervangen

Voorspellingen van de toekomst zijn nooit simpel. De onvermijdelijke onzekerheden kunnen deels worden ondervangen door bij de aanpak van voorspellingen zoveel mogelijk rekening te houden met een aantal aandachtspunten, vindt Christos Makropoulos (KWR):

  • genereer (veel) alternatieve, plausibele voorspellingen;
  • houd rekening met de intrinsieke onzekerheid van variabelen, zoals  neerslag;
  • verken alternatieve toekomstmogelijkheden;
  • gebruik methoden die zijn gebaseerd op waarschijnlijkheid en betrouwbaarheid om het besluitvormingsproces van het ontwerp en de exploitatie van een watersysteem ‘onzekerheidsbestendig’ te maken;
  • kwantificeer het effect van verschillende beslissingen/opties.

Onzekerheid hoort erbij

Zijn onze voorspellingen goed genoeg? Die vraag zal altijd blijven spelen, want geen enkel model werkt foutloos. Dat betekent niet dat modellen onbruikbaar zijn, maar om ze zinvol in te zetten, moet je helder hebben wat er fout aan is en wat onzeker is. We moeten accepteren dat voorspellingen fout zijn en dat er altijd een factor van onzekerheid is en we moeten daarmee leren omgaan. Voorspellingen moet je regelmatig updaten op basis van de nieuwste en beste gegevens. Door onze voorspellingsmodellen te gebruiken en continu aan de praktijk te toetsen, kunnen we steeds betere modellen ontwikkelen. Maar het is een illusie om te denken dat we ooit de toekomst exact kunnen voorspellen. Wel kan hydroinformatica een directe ondersteuning geven bij integraal en veerkrachtig beheer en ontwerp van drinkwaterinfrastructuur, was een conclusie tijdens de vergadering.

delen