Vorhersage von Flussüberschwemmungen mit einem neuronalen Netzwerkmodell

Ein neuronales Netzwerkmodell wurde entwickelt, um das Verhalten des Flusses Tagliamento in Italien während starker Regenfälle zu analysieren und vorherzusagen. Das Modell nutzt verteilte Regenfallinformationen von mehreren Regenmessstationen im Berggebiet und sagt den Wasserstand des Flusses an der Stelle voraus, die das Berggebiet schließt. Der Wasserstand an der schließenden Stelle in den Stunden vor dem Ereignis wurde verwendet, um das Verhalten des Flusssystems unter dem Einfluss der Regenstörung zu charakterisieren. Die Modellvorhersagen sind sehr genau (d.h. der mittlere quadratische Fehler beträgt weniger als 4%), wenn das Modell mit einem 1-Stunden-Zeithorizont verwendet wird. Eine Verlängerung des Zeithorizonts, wodurch das Modell für die Flussüberschwemmungsprognose geeignet wird, verringert die Genauigkeit des Modells. Ein begrenzender Zeithorizont wird gefunden, der der minimalen Zeitverzögerung zwischen dem Wasserstand an der schließenden Stelle und dem Regen entspricht, was charakteristisch für jedes Überschwemmungsereignis ist und von dem Regen sowie dem Sättigungszustand des Beckens abhängt. Die Leistung des Modells bleibt bis zu 5 Stunden zufriedenstellend. Ein Modell dieses Typs, das nur Regen- und Wasserstandinformationen verwendet, scheint nicht in der Lage zu sein, über dieses Zeitlimit hinaus vorherzusagen.