Verbundprojekt: Pumpwerkswarnung für Starkregen und Hochwasser im urbanen Raum (PuwaSTAR); Teilvorhaben: Dynamische 2D-Überflutungsvorhersage inkl. Pumpenausfallszenarien mittels KI

Abstract

Das Verbundvorhaben PuwaSTAR hatte zum Ziel, ein KI-gestütztes Echtzeit-Vorhersagesystem für Überflutungsflächen und -tiefen unter Berücksichtigung von Pumpwerksausfällen zu entwickeln, um operative Echtzeitvorhersagen zu ermöglichen, die mit klassischen hydrodynamischen 1D/2D-Modelle aufgrund ihrer Rechenintensität nicht möglich sind. Im Rahmen des Vorhabens wurden zunächst Niederschlags-Abfluss-Szenarien aufbereitet und ein gekoppeltes 1D/2D-Überflutungsmodell aufgestellt, das als Grundlage für die Erzeugung der Trainingsdaten des KI-Modells diente. Zusätzlich wurde auf Basis identifizierter Ausfallmechanismen ein Bayes'sches Netz entwickelt und Pumpenausfallszenarien in Abhängigkeit der verfügbaren Pumpkapazität abgeleitet. Für jedes dieser Ausfallszenarien wurde anschließend ein eigenständiges datengetriebenes Modell zur Vorhersage der maximalen Wassertiefe für einen Vorhersagehorizont von 24 Stunden entwickelt und trainiert. Die Modellevaluation anhand von 56 Testereignissen ergab mittlere quadratische Fehler (RMSE) zwischen 0,024 m und 0,044 m sowie einen Critical Success Index (CSI) von mindestens 0,95 in allen betrachteten Szenarien, was eine hohe Vorhersagegenauigkeit des entwickelten Ansatzes belegt. Die Integration des Vorhersagemoduls in die operationelle Plattform Delft-FEWS wurde zum einen auf Grundlage von Echtzeit-Betriebszuständen der Pumpen und zum anderen mittels eines probabilistischen Ansatzes unter Verwendung der berechneten Ausfallwahrscheinlichkeiten realisiert.