De beschikbaarheid van zoet water staat in Nederland steeds vaker onder druk. Door aanhoudende droogte en een stijgende zeespiegel dringt zout water verder het land in, met grote gevolgen voor natuur, landbouw en drinkwatervoorziening.
HKV houdt zich al jarenlang met deze vraagstukken bezig en adviseert overheden en partners over maatregelen en toekomstscenario’s. Vaak past HKV daarbij stromingsmodellen toe (1D, 2D of 3D): numerieke modellen die zoutindringing berekenen aan de hand van formules voor stroming en transport van zout. Hoewel stromingsmodellen veel inzicht bieden, zijn ze vaak te traag voor situaties waarin snel gehandeld moet worden. Daarom verkent HKV de inzet van Machine Learning als aanvulling op de traditionele aanpak.
3D-modellen voor zoutindringing en maatregelen
Bij projecten rond het Noordzeekanaal, de Rijnmond en het Noord-Oostzeekanaal maakt HKV gebruik van 3D-stromingsmodellen. Daarmee ontstaat inzicht in hoe zout zich verspreidt onder wisselende omstandigheden en welke maatregelen effectief kunnen zijn.
Een concreet voorbeeld is de verkenning van een tijdelijke zanddrempel in de rivier. Zo’n drempel kan zout water tegenhouden, maar vormt tegelijkertijd een mogelijke belemmering voor de scheepvaart. Daarom onderzoekt HKV met modelberekeningen nauwkeurig welke effecten te verwachten zijn. Daarbij spelen vragen als: houdt de drempel het zout daadwerkelijk tegen of stroomt het eroverheen, leg je hem beter dicht bij zee of verder landinwaarts, en welke omvang en breedte zijn nodig in de verschillende riviertakken? Door deze scenario’s door te rekenen ontstaat een goed onderbouwde basis voor vervolgstappen.
De meerwaarde van Machine Learning naast stromingsmodellen
Stromingsmodellen zijn betrouwbaar, maar hebben hun beperkingen in snelheid en rekenkracht. Machine Learning biedt uitkomst doordat een eenmaal getraind model in zeer korte tijd voorspellingen kan doen, zonder dat alle fysische processen opnieuw doorgerekend hoeven te worden. Dat maakt het mogelijk om sneller te reageren in situaties waarin direct inzicht nodig is. Ook kan een Machine Learning algoritme leren herkennen onder welke omstandigheden een stromingsmodel ernaast zit en zo de nauwkeurigheid van de modelresultaten nog verder verbeteren.
Een concreet voorbeeld is een droge periode waarin een waterschap binnen een uur wil weten wat het effect is van een maatregel, zoals het tijdelijk openzetten van een spuisluis. Voor een traditioneel stromingsmodel is dat nauwelijks haalbaar, terwijl een getraind ML-model in seconden een inschatting kan geven. Zo ontstaat een waardevolle aanvulling die snelheid toevoegt aan de betrouwbaarheid van stromingsmodellen.
Twee richtingen: voorspellen én verbreden
Machine Learning maakt daarnaast een tweede stap mogelijk: het verbreden van scenario’s. Met Machine Learning kun je variaties meenemen die met traditionele modellen vaak buiten beeld blijven, zoals een plotselinge storm of een groter aantal passerende schepen. Daarmee ontstaat inzicht in de bandbreedte aan mogelijke situaties, zonder dat elk scenario apart doorgerekend hoeft te worden. Zo ondersteunt Machine Learning zowel snelle operationele beslissingen als strategische verkenningen van toekomstige scenario’s.
Vertrouwen dankzij Explainable AI
Bij toepassingen van AI is niet alleen belangrijk dát een model een voorspelling doet, maar ook waarom het bepaalde uitkomsten geeft. Daarom doet HKV onderzoek naar Explainable AI: technieken die inzichtelijk maken hoe een AI-model tot bepaalde resultaten komt. Transparantie is hierbij essentieel, zeker bij besluiten die gevolgen hebben voor bijvoorbeeld drinkwatervoorziening of scheepvaart. Met uitlegbare modellen kunnen waterbeheerders goed onderbouwen waarop hun keuzes zijn gebaseerd.
Samen de volgende stap zetten
Betrouwbare én toepasbare oplossingen in het waterbeheer vragen om het combineren van decennialange ervaring met stromingsmodellen en actuele kennis van AI en Machine Learning. Het gaat om het begrijpen hoe systemen werken, hoe je die kennis kunt vertalen naar data én hoe we modellen voortdurend kunnen blijven vernieuwen.
Bij HKV werken we daar dagelijks aan, samen met onze partners.
Wil je meedenken, meedoen of samen ontwikkelen? Neem contact op met Vincent Vuik (V.Vuik@hkv.nl)
