AI in het waterbeheer

AI in het waterbeheer betekent dat een model leert van meetreeksen die waterbeheerders al hebben: peilen, afvoeren, neerslag, labmetingen en procesdata van zuiveringen. Daarmee verwacht je een waterstand of afvoer, vind je een afwijkend meetpunt of stel je een instelling op de zuivering voor. Het hoort bij de AI-toepassingen die we bouwen, vaak voor de overheid.

Water speelt ook in onze regiopagina's: bij bruggen en vaarwegen in Rotterdam, bij de landelijke beheerders in Utrecht en bij netten en water in Groningen.

Met een model dat gemeten afvoer, neerslag, verwachte neerslag en verdamping combineert. Waterschap Limburg publiceert in het Algoritmeregister zo'n model voor de afvoer van de Roer: een lineaire regressie die per uur verwachtingen geeft, als beslissingsondersteuning. Een vakspecialist interpreteert de uitkomst en beslist.

Rijkswaterstaat gebruikt Delft-FEWS, een systeem van Deltares, voor verwachtingen langs Rijn en Maas. Een eigen model vult zo'n systeem aan waar het lokaal tekortschiet. De valkuil: hoogwater komt zelden voor, dus er zijn weinig voorbeelden van de situatie die er het meest toe doet. Meer over forecasting.

Meestal meer dan ze gebruiken: telemetrie van gemalen en stuwen, peilbuizen, labmetingen van waterkwaliteit en procesdata van zuiveringen. In Waterinfo publiceert Rijkswaterstaat actuele, verwachte en historische meetgegevens over de rijkswateren, zoals waterstanden, golfhoogtes, stroomgegevens en waterkwaliteit.

Voor uitwisseling is er de Aquo-standaard, beheerd door het Informatiehuis Water, een samenwerking van provincies, Rijkswaterstaat en waterschappen. Wie die begrippen aanhoudt, kan reeksen uit verschillende databases makkelijker combineren. Waar die bronnen samenkomen, lees je bij data- en AI-platform.

Een zuivering meet continu, en dat maakt haar geschikt voor een model. Voor Waternet ontwikkelden we een machine learning-model om de lachgasuitstoot op de waterzuivering te minimaliseren. Nu is een model in ontwikkeling dat het gebruik van ijzerchloride beperkt in de voorbehandeling van rivierwater voor drinkwater.

Lachgas krijgt bij waterschappen veel aandacht. STOWA bracht een handboek uit voor het monitoren van lachgas op communale zuiveringen, en met het Lachgas Versnellingsprogramma wordt op steeds meer installaties continu gemeten. Die metingen worden de historie waarop een model kan leren.

Door het te bewaken. Een sensor die wordt vervangen, een gemaal dat anders gaat draaien of een nattere winter verandert de invoer, en dan worden de verwachtingen minder goed. Dat heet drift. Voor Rijkswaterstaat bouwden we een generieke package die al zijn modellen in productie bewaakt op data- en prediction drift en op uitschieters.

Leg vooraf vast wie een seintje krijgt en wie een nieuwe versie vrijgeeft. Hoe dat technisch werkt, lees je bij MLOps; het beheer kan bij jullie team liggen of bij ons, via beheer en doorontwikkeling.

De Kaderrichtlijn Water is de Europese richtlijn voor schoon en gezond oppervlakte- en grondwater. De lidstaten spraken af dat uiterlijk in 2027 een goede toestand bereikt moet zijn, en de voortgang wordt gevolgd met metingen van de waterkwaliteit.

Een model maakt geen water schoner, maar kan helpen zien waar een meetpunt afwijkt of welke maatregel effect lijkt te hebben. Labmetingen worden maar af en toe genomen, dus per punt is de historie vaak klein. Begin daarom met de vraag welke beslissing over metingen of maatregelen beter moet.

In bijlage III van de AI-verordening staat AI als veiligheidscomponent bij de levering van water, gas, verwarming of elektriciteit op de lijst met hoog risico. Volgens de Europese Commissie gelden die verplichtingen vanaf 2 december 2027. Of een model voor een gemaal of zuivering daaronder valt, beoordeelt je jurist of compliance-afdeling; wij helpen met de inventarisatie.

Overheden publiceren hun algoritmes in het Algoritmeregister, zoals het afvoermodel van de Roer. Hoe je dat verantwoord inricht, lees je bij Responsible AI en AI Act.

Als een vaste regel in de besturing van het gemaal al goed werkt, als de beslissing zelden voorkomt of als inzicht in de meetreeksen genoeg is. Dan helpt een Power BI-dashboard op de telemetrie meer dan een model.

Ook als reeksen gaten hebben of niemand weet wanneer een sensor is vervangen, begin je bij het data fundament. Past een lichtere oplossing, dan zeggen we dat.