Norge og resten av verden opplever man at klimaendringene fører til stadig oftere flom og ekstremvær. Vannskader som skyldes vær og naturhendelser har kostet 30 milliarder kroner de siste ti årene ifølge Norsk naturskadepool.
Finnes ikke lokale varsel
I Norge er vi så heldige at Norges vassdrags- og energidirektorat (NVE) varsler om kommende flom, men det gjelder stort sett større vassdrag og elver. Vannstanden i mindre elver kan øke raskt, og ofte går disse gjennom tettbygde strøk.
Global utfordring, lokal utfordring
Flom og beredskap er et kommunalt ansvar og det er svært krevende. Spesielt for mindre kommuner med begrensende midler er det krevende å håndtere flomsituasjoner og sikre innbyggernes sikkerhet. Varslene må være presist når det er fare for flom, slik at vi ikke får en mengde varsler som viser seg å være falske alarmer. Det er avgjørende at løsningen er enkel å bruke, og at varslene kommer på en måte som driftsoperatører kan forstå, og slik at myndighetene i neste omgang kan sette inn riktige tiltak og kommunisere ut til innbyggere.
Kan de to sommerstudentene Nils og Thanh ha løst problemet?
I sommer hadde InfoTiles gleden av å bli kjent med forretningsstudent Thanh Nguyen fra Universitetet i Stavanger, og Nils Thomas Doherty Midtbø, som studerer maskinlæring og dataanalyse av vassdragsdata ved Universitet i Tromsø. De to har fått brynt seg på praktiske utfordringer hos InfoTiles sine kunder, og blant annet utviklet og testet maskinlæring for å forutsi nivåer i elv opptil 12 timer frem i tid.
Flere forskjellige maskinlæringsalgoritmer ble satt opp og testet for å forutsi elvehøyde. Studentene fikk etter avtale fra en av våre utviklingskunder (norsk kommune) benytte data som InfoTiles har samlet inn fra et konkret punkt i en elv. Dette ble satt i kombinasjon med oppstrøms elvedata fra Norges vassdrags- og energidirektorat (NVE). Resultatene var gode og har en gjennomsnittlig absolutt feil på 5 cm, men vil bli forbedret.
