AI för klimatanpassning - metoder för att skapa en mer resilient dricksvattenproduktion och leverans (STRATUS)

Viktiga resultat som projektet gav

Projektets mål var att undersöka hur AI-tekniker kan förbättra dricksvattenproduktionen med tanke på klimatförändringarna. Projektet lyckades förutsäga turbiditeten i råvattentäkten, trots att den centrala sensorn levererade felaktiga värden under en period. Dosmodellen kunde inte implementeras på grund av otillräckliga data från sensorn. Förutsägelsen av kvalitetspåverkan i distributionsnätet misslyckades med befintliga data, det kommer krävas kvantitativa data i annan omfattning än vad som finns nu.

Långsiktiga effekter som förväntas

Projektet lyckades förutsäga turbiditeten i råvattentäkten, trots att vi använde allmänt tillgänliga datakällor, vilket visar att det kan vara en framkomlig väg för aktörer när man vill närma sig AI-modellering, vilken ofta faller på att kvaliteten på data är för låg. När Sandviken Energi installerar en meteorologisk station, förväntas förbättrade träningsdata öka modellens noggrannhet. På sikt kan detta leda till mer effektiv drift av vattenverk och förbättrad vattenkvalitet i distributionsnätet, vilket gynnar både Sandviken och andra städer.

Upplägg och genomförande

Upplägget av projektet utgick ifrån att data var av god kvalitet och att sensorer fanns på plats. Under projektets gång skedde flera riktningsändringar som berodde på teknik eller ändrat fokus från problemägaren. Dessa gjorde att projektet, på en metanivå, kom att handla om hur man gör det bästa av läget när data är som det brukar vara - av låg kvalitet och inte sammanställda. Den metod vi använde, där vi använde oss av publika data, gör det möjligt för fler att skapa ett proof of concept, och undersöka möjligheter innan man går vidare och samlar egna data.

Externa länkar

https://www.ivl.se/vart-erbjudande/forskning/vatten/klimatanpassning-av-dricksvatten-med-hjalp-av-ai.html