Erforschung des Potenzials von maschinellen Lernmethoden für die Vorhersage von Hochwasser
Projektträger:
Geo.X Forschungsverbund für Geowissenschaften in Berlin und Potsdam
Laufzeit:
2017 - 2020
Projektbeschreibung:
Das Projekt zielt darauf ab, die Frühzeitigkeit und Vorhersagbarkeit gefährlicher Hochwasserereignisse zu verbessern, indem modernste Wetterdatenquellen, physikalisch basierte hydrologische Modelle und maschinelle Lerntechniken eingesetzt werden. In diesem Projekt befassen wir uns mit zwei zentralen Problemen, die unsere Fähigkeit einschränken, sichere Hochwasservorhersagen mit kurzen Vorlaufzeiten zu treffen: (1) der Mangel an zuverlässigen Niederschlagsinformationen auf den erforderlichen räumlichen und zeitlichen Skalen und (2) unser Verständnis der Reaktion der Flussgebiete auf extreme lokale Regenfälle. Im Hinblick auf diese Herausforderungen entwickeln wir hier ein neuartiges Nowcasting-Verfahren für Radar-Regenfälle mit Vorlaufzeiten von bis zu zwei Stunden und Modelle für Niederschlags-Abfluss-Vorhersagen, die beide auf erstklassigen maschinellen Lerntechniken basieren: rekurrente und konvolutionale tiefe neuronale Netze. Die zusätzlichen Fähigkeiten der entwickelten Forschungstechniken wurden bei verschiedenen Vorlaufzeiten und in verschiedenen geografischen Regionen überprüft.
