Hybride physikalische und datengetriebene Grundwassermodelle zur Reduzierung der Modellunsicherheit in Echtzeitvorhersagesystemen

Alexander Renz1, Johanna Zwinger2, Patrick Keilholz3, Giovanni Firmani4, Robin Marc Dufour5
1 DHI WASY GmbH
2 TU München
3 DHI WASY
4 DHI Australien
5 DHI Peru

O 14.7 in Güte und Bewertung von Grundwassermodellen

22.03.2018, 17:15-17:30, 2

Datenbasierte Modelle haben in der jüngeren Vergangenheit zunehmende Verbreitung gefunden. Nicht zuletzt ist dies auf die Erfolge mit neuronalen Netzwerken zurückzuführen, welche sich in nur kurzer Zeit zu einer Standardanwendung im Ingenieurwesen entwickelt haben. Anwendungen in der Umweltströmungsmechanik konnten bereits zeigen, dass Datenmodelle regelmäßig eine im Vergleich zu physikalischen Modellen höhere Genauigkeit erreichen. Gleichzeitig ermöglichen diese Methoden aufgrund ihres deutlich kleineren Rechenaufwandes Anwendungen für Steuerungs- und Überwachungssysteme, welche eine Modellierung in Echtzeit erfordern.

Kritik an der Methode wird von Seiten der klassischen Umweltströmungsmechanik geübt. Die Zuverlässigkeit von Datenmodellen hängt nicht nur vom Umfang, sondern auch von der Repräsentativität und Güte des eingesetzten Trainingsdatensatzes ab. Defizite sind hier oft nicht sofort erkennbar, was zu einem unvorhergesehenen Versagen des Modells führen kann. Dies lässt den Schluss zu, dass physikalische Modelle zwar insgesamt weniger genau, dafür aber verlässlicher sind. Insbesondere bei sicherheitsrelevanten Anwendungen wie Hangsicherheitsberechnungen im Bergbau sind Datenmodelle daher problematisch.

Als Konsequenz dieser Diskussion werden datengetriebene und physikalische Modelle meist als alternative, konkurrierende Ansätze wahrgenommen. Bei einer direkten Gegenüberstellung beider Methoden kann dabei gezeigt werden, dass sie sich weitestgehend komplementär Verhalten, die Schwächen des einen Ansatz also den Stärken des anderen entspricht, und umgekehrt.

Dieser Beitrag soll hingegen Wege aufzeigen, wie beide Ansätze zusammengeführt werden können, wobei die die Schwächen der jeweils anderen Methode kompensiert werden.

Gezeigt wird dies am Anwendungsbeispiel eines für den Bergbau und das Grundwassermanagement entwickelten Grundwasserüberwachungssystems. Dieses verwendet Telemetrie- und SCADA-Systeme zur kontinuierlichen Erfassung von Messdaten. Mittels dieser Daten werden Datenmodelle trainiert, welche die Messwerte plausibilisieren, Messlücken schließen und kurzfristige Vorhersagen treffen. Die so erhaltenen Ergebnisse werden im Anschluss mit denen eines physikalischen (hier numerischen) Grundwassermodells verschmolzen.

Auf diese Weise wird basierend auf beiden Datenquellen auf einen Systemzustand (z.B. Wasserspiegellage, Wasserqualität, Porenwasserdruck) geschlossen, welcher unter Berücksichtigung aller zur Verfügung stehenden Datenquellen dem besten Wissen entspricht. Dieser zeichnet sich durch eine exakte Wiedergabe der gemessenen Pegeln, als auch durch eine physikalisch plausible Verteilung aus.

Da diese Berechnung in Echtzeit erfolgt, informiert die Software angeschlossene Nutzer kontinuierlich über verschiedene Schnittstellen (Web-portal, mobile Endgeräte) über relevante Änderungen.

 

 



ALLEGRO, M. (2006): What does it mean? – In: TURM, P., BAUER, B. & LÄUFER, R. (eds.): Guess what. Springer, 16-44; Hintertux.

RUSITZKA, E. & JUBITZ, K.-B. (1968): Trias. – In: Grundriß der Geologie der DDR, Bd. 1: 268-89; Berlin.

WOLBURG, J. (1969): Die epirogenetischen Phasen der Muschelkalk und Keuper Entwicklung Nordwest Deutschlands, mit einem Rückblick auf den Buntsandstein. – Geotekt. Forsch., 32: 1-65; Stuttgart.



Export as iCal: Export iCal