AI-kennis voor grondwaterverkenningen

Samenvatting project

Grondwaterbeheerders en bijbehorende stakeholders hebben steeds meer behoefte aan het kunnen uitvoeren van snelle verkenningen ten behoeve van diverse transitieopgaven (klimaatverandering, stikstofdossier, verdroging, verzilting, verstedelijking, etc.). Ook waterleidingmaatschappijen willen snelle scans kunnen doen voor o.a. het vinden van extra grondwaterwinningslocaties als reactie op de toenemende drinkwatervraag. Op Rijksniveau wordt de roep steeds sterker om mogelijke oplossingsrichtingen in relatie tot complexe beleidsopgaves al in een verkennende fase snel in beeld te brengen.
Voor verkennende scenarioanalyses hebben bestaande 3D-grondwatermodellen (b.v. regionale modellen of het Landelijk Hydrologisch Model) veel draagvlak. Echter, de inzet van dergelijke modellen voor verkenningen is helaas zeer beperkt vanwege lange rekentijden, enorme datasets en de benodigde tijd voor het verwerken en analyseren van de modeluitkomsten.
Dit project ontwikkelt en test een nieuwe techniek om van bestaande 3D-MODFLOW-grondwatermodellen een Artificiële Intelligentie-versie (AI-versie) te maken. Deze AI-versie zal weliswaar minder nauwkeurige uitkomsten genereren, maar rekent – eenmaal met AI getraind - veel sneller (orde van grootte 100 tot wellicht 1000 keer zo snel). De AI-versie blijft consistent met het onderliggende grondwatermodel, waardoor draagvlak bij stakeholders behouden blijft. De techniekontwikkeling start met eenvoudige testmodellen; aansluitend zal de techniek doorontwikkeld en getest worden voor nader te selecteren real-world casussen en doeleinden. Deze casussen en doeleinden worden parallel aan de techniekontwikkeling met alle TKI-projectpartners samen gekozen op basis van de gewenste typen toepassingen en uitvoer.

Doel van het project

Het doel van dit project is een nieuwe techniek te ontwikkelen en te testen om van bestaande numerieke 3D-MODFLOW-grondwatermodellen een Artificiële Intelligentie-versie (AI-versie) op basis van neurale netwerken te kunnen maken, die geschikt is voor gebruik door waterbeheerders en stakeholders voor het uitvoeren van diverse snelle verkenningen al dan niet als onderdeel van een operationeel instrumentarium. De essentie is dat er bij de opbouw van een AI-versie van een bestaand numeriek model in wezen ‘van fijn naar grof’ gewerkt wordt.
Deze AI-versie zal dan weliswaar minder gedetailleerde en nauwkeurige uitkomsten genereren, maar zal wel 100 tot wellicht 1000 keer zo snel kunnen rekenen. En omdat de AI-versie getraind zal worden met modeluitkomsten van het bestaande numerieke grondwatermodel, zullen de uitkomsten ook consistent blijven met dit onderliggende model. Daarmee zullen de uitkomsten van de AI-versie ook een vergelijkbaar draagvlak kunnen hebben als de uitkomsten van het onderliggende model.
Het trainen van de AI-versie vindt voorafgaand aan de toepassing van de AI-versie plaats. Nieuwe geohydrologische maatregelen dienen eerst in een numeriek model te worden toegevoegd, waarna de resultaten daarvan weer kunnen worden toegevoegd aan het trainingsproces van het neurale netwerk. In de nabije toekomst kan het trainingsproces van de AI-versie van het numerieke model geautomatiseerd worden waardoor er – naast een up-to-date bestaand numeriek grondwatermodel – altijd een geactualiseerde AI-versie daarvan beschikbaar is.
Het doel van dit project is een nieuwe techniek te ontwikkelen en te testen om van bestaande numerieke 3D-MODFLOW-grondwatermodellen een Artificiële Intelligentie-versie (AI-versie) op basis van neurale netwerken te kunnen maken, die geschikt is voor gebruik door waterbeheerders en stakeholders voor het uitvoeren van diverse snelle verkenningen al dan niet als onderdeel van een operationeel instrumentarium. De essentie is dat er bij de opbouw van een AI-versie van een bestaand numeriek model in wezen ‘van fijn naar grof’ gewerkt wordt.
Deze AI-versie zal dan weliswaar minder gedetailleerde en nauwkeurige uitkomsten genereren, maar zal wel 100 tot wellicht 1000 keer zo snel kunnen rekenen. En omdat de AI-versie getraind zal worden met modeluitkomsten van het bestaande numerieke grondwatermodel, zullen de uitkomsten ook consistent blijven met dit onderliggende model. Daarmee zullen de uitkomsten van de AI-versie ook een vergelijkbaar draagvlak kunnen hebben als de uitkomsten van het onderliggende model.
Het trainen van de AI-versie vindt voorafgaand aan de toepassing van de AI-versie plaats. Nieuwe geohydrologische maatregelen dienen eerst in een numeriek model te worden toegevoegd, waarna de resultaten daarvan weer kunnen worden toegevoegd aan het trainingsproces van het neurale netwerk. In de nabije toekomst kan het trainingsproces van de AI-versie van het numerieke model geautomatiseerd worden waardoor er – naast een up-to-date bestaand numeriek grondwatermodel – altijd een geactualiseerde AI-versie daarvan beschikbaar is.

Motivatie

Dit projectvoorstel past bij de MMIP C1 en MMIP F3 uit de KIA-LWV:
C1: Het instrumentarium dat ontwikkeld wordt is gericht op beleidsondersteunende verkenningen van het Nederlandse grondwatersysteem. Het zal worden toegepast om een eerste inschatting te kunnen maken van effecten van potentiële gebiedsgerichte hydrologische maatregelen ter versterking van de robuustheid van het watersysteem in landelijk gebied en maatregelen om te komen tot een klimaatbestendige inrichting van het landelijk gebied. Ook kan het ingezet worden voor het inschatten van effecten van klimaatveranderingen op de zoetwatervoorziening voor landbouw en natuur, incl. het anticiperen op droogtes en wateroverlast. De nadruk ligt hierbij primair op het onderscheiden van effectieve en minder effectieve maatregelen. Doordat het instrumentarium zeer snel rekent, kunnen veel potentiële maatregelen en scenario’s worden doorgerekend. Consistentie tussen het instrumentarium en het oorspronkelijke numerieke grondwatermodel zorgt ervoor dat voorspellingen in de planuitwerkingsfase in lijn liggen met de grovere uitkomsten van de daaraan voorafgegane verkenningsfase. Daarmee draagt het bij aan een robuustere en snellere afweging en kwantificering van effecten van klimaatadaptieve maatregelen.
F3: Binnen ‘Nederland Digitaal Waterland’ past dit projectvoorstel ook want het maakt onderdeel uit van de ontwikkeling en toepassing van simulatietools voor het optimaliseren van het Nederlandse watersysteem en het gebruik daarvan voor strategisch en operationeel waterbeheer. Toepassing van het nieuwe instrumentarium draagt bovendien bij aan beter onderbouwde afwegingen voor beleidsvorming, en verbeterde consistentie tussen landelijke, regionale en lokale schaal, maar ook verbeterde consistentie tussen een verkennende fase en planuitwerkingsfase van een project.
De innovaties worden vastgelegd in de basisinstrumenten die ook worden ingezet in het missiegedreven onderzoek van de kennisinstituten; voor Deltares bijvoorbeeld voor het beantwoorden van de onderzoeksvragen in de missiegebieden toekomstige delta’s en duurzame delta’s.

Locatie

Niet ingevuld

Uitgevoerde acties

De totale looptijd van het project bedraagt 2,5 jaar, waarbij er op hoofdlijnen drie werkpakketten gepland zijn:
1. De techniekontwikkeling voor hypothetische modellen.
2. Het gezamenlijk bepalen van de gewenste toepassingsscope, met als doel te kunnen sturen op richting en inhoud van de techniekontwikkeling, zodanig dat de gewenste toepassingen mogelijk zullen worden.
3. Continuering van de techniekontwikkeling met input vanuit ‘real-world’ casussen.
Werkpakketten 1 en 2 starten tegelijk bij de projectaanvang en in werkpakket 3 wordt de input van de real-world casussen toegevoegd.
Voor de techniekontwikkeling ligt in het eerste jaar de focus op het stapsgewijs realiseren van een zogenaamd ‘proof-of-concept voor hypothetische modellen’, vervolgens verschuift de focus naar een ‘proof-of-concept voor real-world casussen’.
Vanuit werkpakket 2 wordt gezamenlijk gestuurd op welke ontwikkelingsrichtingen prioriteit krijgen, met name ten aanzien van welke type uitkomsten de AI-versie van een grondwatermodel zou moeten kunnen genereren, maar ook bijv. welke uitvoer-resolutie nodig is, welke modelparameters binnen scenario’s gewijzigd moeten kunnen worden, welke vragen je met het model wilt beantwoorden, of je er onzekerheidsanalyses mee wilt uitvoeren en of je het model wilt inzetten binnen een operationeel FEWS-instrumentarium voor (real-time) operationeel waterbeheer. Belangrijk is dat er een voortdurende wisselwerking is vanuit werkpakket 2 en de twee techniekontwikkelingswerkpaketten 1 en 3; tijdens plenaire workshops wordt besproken hoe de vorderingen of beperkingen in de techniekontwikkeling de beoogde toepassingsscope beïnvloeden en of de resterende techniekontwikkeling op basis daarvan op onderdelen dient te worden bijgesteld.
Deltares heeft de lead bij de techniekontwikkeling, en werkt daarbij samen met senior experts van de adviesbureaus zodat er uitwisseling van AI-expertise kan plaatsvinden. De publieke partijen spelen samen met Vitens een hoofdrol in de bepaling van de toepassingsscope – uiteraard samen met de andere TKI-partners – en dragen bij aan de validatie van de testen t.b.v. de techniekontwikkeling. De adviesbureaus brengen daarnaast de trainingsdata vanuit de ‘real-world’ casussen, en dragen ook bij aan testen en validatie.
Activiteit - Type activiteit - Rol partijen
1. Techniekontwikkeling training neuraal netwerk voor artificiële testmodellen
- Niet-lineair, stationair, hypothetisch 2D-model
- Niet-lineair, tijdsafhankelijk, hypothetisch 2D-model
- Niet-lineair, tijdsafhankelijk, hypothetisch 3D-model
- Multivariabele input, tijdsafhankelijk, hypothetisch 3D-model
- Opzetten testomgeving
- Identificatie van generieke AI-aspecten die inzetbaar kunnen zijn voor andere domeinen dan grondwater. Fundamenteel onderzoek Deltares: softwarematige techniekontwikkeling, NN-training. Validatie en evaluatie in samenwerking met de waterschappen, waterleidingmaatschappij, adviesbureaus en Rijkswaterstaat.
2. Bepalen van de benodigde toepassingsscope en focus ‘real-world’ casussen
- Interactieve werksessies (elk kwartaal) voor de gezamenlijke bepaling en bijstelling van de toepassings¬scope, ook gevoed door de hieraan parallel lopende vorderingen en beperkingen tijdens de techniek¬ontwikkeling in werkpakketten 1 en 3. Industrieel onderzoek Alle deelnemende TKI-partners.

3. Van hypothetisch naar input vanuit 'real-world' casussen
- aanmaken deelmodellen vanuit bestaande numerieke modellen
- feature analysis
- trainen neurale netwerken
- analyse resultaten Industrieel onderzoek
Deltares: ontwerp en programmeren, NN-training
Adviesbureaus: bijdragen aan ontwerp, voorbereiden numerieke testmodellen, uitvoeren testen en validatie.
Waterschappen en Rijkswaterstaat: bijdrage aan validatie en evaluatie.

4. Coördinatie, disseminatie en rapportage Coördinatie, disseminatie en rapportage Alle TKI-partners, onder aanvoering van Deltares.

Verwachtte resultaten

‘Proof-of-concept’/methodiek voor hypothetische modellen. einde 2023
Geavanceerd ‘proof-of-concept’/methodiek op basis van input vanuit de ‘real-world’ casussen. einde 2024
Rapportage van de articulatie van het toepassingsbereik van de AI-technieken voor grondwaterbeheerders en stakeholders. medio 2024
Rapportage van workshop (bij Rijkswaterstaat) t.a.v. toepassingsmogelijkheden generieke AI-technieken voor niet-grondwater domeinen. najaar 2023
Methodiek voor gebruik van AI-versie t.b.v. bepaling van het effect van de onzekerheid van modelparameters op modeluitkomsten. medio 2024
Twee publicaties, bij voorkeur peer-reviewed journals. 2023-2024

Innovativiteit

De techniek om neurale netwerken toe te passen voor het voorspellen van de ruimtelijke verdeling van de grondwaterspiegel en stijghoogten staat grotendeels nog in de kinderschoenen. Neurale netwerken bestaan weliswaar al vrij lang, echter, hoe neurale netwerken dusdanig geconfigureerd en getraind moeten worden zodat ze de ruimtelijk verdeling van grondwaterstanden goed kunnen nabootsen en voorspellen en ingezet kunnen worden voor het beantwoorden van waterbeheervragen is nog onbekend (er zijn b.v. wel significante vorderingen t.a.v. het nabootsen van losse individuele meetreeksen, maar nog geen wetenschappelijke publicaties t.a.v. het simuleren van de ruimtelijke verdeling van de grondwaterspiegel met neurale netwerken). Tevens moet nog uitgezocht worden in hoeverre het mogelijk is een neuraal netwerk te trainen voor typische niet-lineaire grondwatersystemen, en hoe hierbij geohydrologische wetmatigheden het trainingsproces kunnen verbeteren en versnellen. Bij aanvang van het project zal de techniekontwikkeling voor de hypothetische testmodellen daarom een vrij hoog fundamenteel gehalte hebben. Aansluitend op de hypothetische testmodellen zijn de ‘real-world’ casussen vervolgens hard nodig om de techniek te testen en door te ontwikkelen voor veel complexere combinaties van variabelen die in de hypothetische casussen heel moeilijk op te zetten zijn. Anders gezegd, de nieuwe techniek heeft de ‘real-world’ casussen nodig om tot een volledig ‘proof-of-concept’ te kunnen komen; het doorontwikkelen en testen met gebruikmaking van de ‘real-world’ casussen heeft daarmee vooral een industrieel karakter i.p.v. een experimenteel karakter. Tevens helpen de casussen bij het aantonen van een toekomstige praktische toepasbaarheid van de techniek en vergroten ze daarmee het draagvlak onder toekomstige gebruikers.
Zoals hierboven genoemd, een belangrijke vraag bijv. is hoe het trainingsproces van een neuraal netwerk geconditioneerd kan worden door het toevoegen van geohydrologische wetmatigheden; het onderzoeksveld ‘fysisch-gebaseerde neurale netwerken’ krijgt in de literatuur pas recentelijk wat meer belangstelling. Vanaf begin 2018 zijn Deltares en Rijkswaterstaat stap-voor-stap begonnen met het verkennen van de potentie van AI-technieken. Inmiddels loopt er sinds eind 2020 een PhD-onderzoek (Maria Luisa Taccari) bij de University of Leeds wat samen met Deltares is opgezet en ook mede door Deltares wordt begeleidt. Dit onderzoek levert eerste bouwstenen voor het nabootsen van de ruimtelijke gedistribueerde grondwaterstanden van MODFLOW-modellen. Een eerste artikel is gepubliceerd, een tweede volgt binnenkort. De resultaten zijn dusdanig positief dat deze voor ons aanleiding zijn om de ontwikkelingen verder te intensiveren en aansluitend de stap naar ‘echte pilot-gebieden’ te maken: de rekentijden voor eenvoudige kleine hypothetische modellen zijn nu al enkele factoren korter dan de oorspronkelijke numerieke modellen. In tegenstelling tot bij numerieke modellen neemt de rekentijd van getrainde neurale netwerken niet exponentieel toe met de omvang van het modelnetwerk. Daarom verwachten we bij toepassing voor grotere modellen aanzienlijk grotere winsten in rekentijd ten gunste van de AI-versie.
Conceptueel is er een belangrijk aantal zaken dat ontwikkeld moet worden. Met name het niet-lineaire gedrag van de (combinatie) van de verschillende ontwateringsmiddelen, zoals drainbuizen, greppels en watergangen. Daar waar een numeriek model dit binnen een tijdstap iteratief oplost, zal een neuraal netwerk dit uit allerlei verschillende situaties moeten leren. Vorderingen in andere domeinen geven in elk geval zeer goede hoop dat ook niet-lineair gedrag van grondwater door neurale netwerken nagebootst kan gaan worden, maar dit is zeker nog geen gelopen race. Mocht het niet-lineaire gedrag onvoldoende nagebootst kunnen worden dan zal de toepassingsscope (zie werkpakket 2 hieronder) hierop worden aangepast.

Valorisatie

Partij Product(zie boven) Toepassing en valorisatie
Deltares 1, 2, 3, 4, 5, 6 • Publicatie wetenschappelijke artikelen.
• Deltares streeft er naar het prototype naar het volgende TRL-level te brengen en de toegankelijkheid van de ontwikkelde technieken voor inzet voor grondwaterbeheer (in Nederland) verder te verbeteren.
• Deltares zal het prototype toepassen in onderzoeksprojecten t.b.v. verkennende beleids¬analyses alsook t.b.v. operationele sturing van het waterbeheer; de ontwikkeling van een bij¬be-ho¬ren¬de FEWS-adapter ligt daarbij voor de hand. Toepassing van het prototype zal bijdragen aan het verbeteren en uitbreiden van de methodiek en daarmee het verhogen van de toepasbaarheid in het (Nederlandse) waterbeheer, b.v. voor landelijke beleidsanalyses in het kader van het Deltaprogramma.
• Eén van de toekomstperspectieven is dat de AI-versie steeds automatisch ge-update wordt zodra er weer een nieuwe versie van het achterliggende grondwatermodel beschikbaar is gekomen. Als wenkend perspectief kan Deltares hiervoor een ontwerp van een hardware-configuratie maken en dit ontwerp beschikbaar stellen, zodat publieke en/of private partijen dit als vertrekpunt kunnen nemen voor een (gezamenlijke) implementatie daarvan.
• Onderzoek opzetten t.a.v. de ontwikkeling van de in product 4 vastgestelde generieke AI-techniek¬onderdelen voor niet-grond¬¬water domeinen, b.v. het hydro¬¬dynamisch model¬leren van oppervlaktewater.
Hydrologic 2, 3, 5, 6 • Aan het einde van het TKI-project zal het prototype zodanig geconfigureerd kunnen worden dat het door HDSR en Hydrologic samen toegepast kan gaan worden voor de HDSR-casus “Anticiperend Grondwaterbeheer Utrechtse Heuvelrug”: in deze aanpak worden aan de hand van remote sensing technieken in combinatie met de snelle AI-versie van het grondwatermodel Monte Carlo-(achtige) analyses uitgevoerd, gericht op het dagelijks/wekelijks kunnen bijstellen van grondwateronttrekkingsmaxima (beregenings¬verboden), afhankelijk van de reeds opgetreden grondwateraanvulling en de reeds onttrokken hoeveelheid grondwater en de bandbreedte van de real-time Monte Carlo toekomst¬voor-spel¬lingen.
• Hydrologic zal het prototype ook binnen andere bestaande operationele waterbeheersystemen integreren.
• Waar mogelijk bijdragen aan het verhogen van het TRL-level van product 2 (zie ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
HKV 2, 3, 5, 6 • HKV zal het prototype in bestaande en nieuwe operationele waterbeheersystemen gaan toepassen.
• Waar mogelijk in toekomstige projecten bijdragen aan het verhogen van het TRL-level van product 2 (zie ook ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
De participatie van HKV in het TKI-project en de aansluitende toepassing door HKV van het prototype in bestaande en nieuwe operationele systemen van HKV-klanten past bij de drive van HKV om samen met een kennisinstelling als Deltares kennisintensieve oplossingen mogelijk te maken.
Witteveen+Bos 2, 3, 5, 6 • Toepassing van het prototype voor snelle grondwater-gerelateerde beleidsverkenningen van Witteveen+Bos-klanten zoals de water¬schappen, provincies, gemeenten, water¬leidingmaatschappijen en landelijke overheden.
• Waar mogelijk bijdragen aan het verhogen van het TRL-level van product 2 (zie ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
Vitens 2, 3, 5, 6 Vitens gaat het prototype toepassen voor:
• Het uitvoeren van ‘quick scans’ als onderdeel van het zoeken naar potentiele nieuwe locaties van grondwateronttrekkingen t.b.v. de productie van drinkwater¬.
• Het kwantificeren van het effect van de on¬zeker¬¬heid van model¬para¬meters op model¬uitkomsten van drinkwater-scenario¬studies (b.v. de combinatie van klimaatveranderingen en extremen met het effect van onzekerheden van de heterogeniteit van de ondergrond).
• Onzekerheidsanalyses bij het vaststellen van de relatie tussen windiepte en het effect aan maaiveld voor grote heterogene gebieden.
• Waar mogelijk bijdragen aan het verhogen van het TRL-level van product 2 (zie ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
Rijkswaterstaat 1, 2, 3, 4, 5, 6 • Rijkswaterstaat zal de inzetbaarheid van het prototype voor het landelijke grond¬water¬model¬instrumentarium Landelijk Hydrologisch Model (LHM) en het Nationaal Water Model (NWM) nader gaan vaststellen. De toepassing is daarbij gericht op landelijke beleidsanalyses, zoals in het Deltaprogramma Zoetwater (DPZW), alsmede op het bepalen van de impact van grondwateronttrekkingen bij grote aanleg- en onderhoudsprojecten in opdracht van Rijkswaterstaat.
• Voor de geïdentificeerde generieke AI-onder¬delen (product 4) zullen waar mogelijk door Rijkswaterstaat pilots worden opgezet om desbetreffende AI-technieken nader te testen en de toepasbaarheid voor praktijksituaties vast te kunnen stellen.
• Waar mogelijk bijdragen aan het verhogen van het TRL-level van product 2 (zie ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
NHI vertegen-woordigd door STOWA 3, 4, 5, 6 • Het NHI-programmateam ondersteunt de inzet en de doorontwikkeling van het prototype door 1) haar achterban actief te informeren over de toepassingsmogelijkheden, onder andere door middel van publicaties op de STOWA- en NHI-websites, maar ook 2) vanuit het NHI-programmateam te kijken naar hoe de methodiek inzetbaar gemaakt kan worden voor de bestaande landelijke en regionale modellen binnen de huidige landelijke en regionale modelleeromgevingen.
• Waar mogelijk bijdragen aan het verhogen van het TRL-level van product 2 (zie ‘Deltares’).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
HDSR 2, 3, 5, 6 • Zie ‘Hydrologic’.
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
Waterschap Noorderzijlvest 2, 3, 5, 6 Inzet van de snelle AI-versies van haar grondwatermodellen voor:
• Verkennende grondwaterstudies waarbij ook gekeken wordt naar de effecten van het type landgebruik.
• Als snelle proxy in de operationele voorspellingssystemen.
Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
Waterschap Vechtstromen 2, 3, 5, 6 • Toepassing van het prototype waterschapsbreed of voor subregio’s bij grondwaterverkenningen in het kader van het Nationaal Programma Landelijk Gebied (NPLG).
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).
Waterschap Zuiderzeeland 2, 3, 5, 6 Inzet van prototype om:
• in operationele situaties snel de effecten van bijvoorbeeld peilopzet (of andere droogtemaatregelen) te kunnen bepalen
• in beleidsstudies maatregelen in specifieke gebieden te kunnen verkennen zonder het model elke keer weer geheel door te moeten rekenen.
Daarnaast:
• Bijdrage aan wetenschappelijke publicatie (lead: Deltares).

Hoe gaan de participanten van het project om met intellectueel eigendom dat voorkomt uit deze projecten?

Welk ‘product’ (zie boven)? IP bij welke partner(s) Hoe wordt dit product toegankelijk gemaakt
‘Proof-of-concept’/methodiek voor hypothetische modellen Deltares Via publicwiki.deltares.nl, toegankelijk voor iedereen
Geavanceerd ‘proof-of-concept’/methodiek op basis van input vanuit de ‘real-world’ casussen Deltares Via publicwiki.deltares.nl, toegankelijk voor iedereen
Rapportage toepassingsbereik Deltares Via publicwiki.deltares.nl, toegankelijk voor iedereen
Rapportage toepassingsmogelijkheden buiten grondwaterdomein Deltares Via publicwiki.deltares.nl, toegankelijk voor iedereen
Methodiek voor gebruik van AI-versie t.b.v. bepaling van het effect van de onzekerheid van modelparameters op modeluitkomsten Deltares Via publicwiki.deltares.nl, toegankelijk voor iedereen
Publicaties Auteursrecht ligt bij deelnemende organisaties van de auteurs Tijdschriften

Op welke wijze wordt de informatie over dit project op eenvoudige wijze voor het algemene publiek kenbaar gemaakt (beschrijving van het onderzoek, deelnemers en de planning en voortgang)?

De voortgang en resultaten worden gepresenteerd op de Deltares software dagen en de jaarlijkse NHI-dag. De informatie wordt tevens gedeeld op verschillende websites, o.a. www.nhi.nu en https://tkideltatechnologie.nl/
Publicatie op TKI-website

Projectvoorwaarden

Het consortium zal een samenwerkingsovereenkomst sluiten die aan de eisen van de regeling tegemoet komt.

Projecteigenaar en projectleider(s)

Er is geen projecteigenaar aan dit project toegekend.
Er is geen projectleider aan dit project toegekend.

Partners

  • HKV Lijn in Water B.V.
  • Hoogheemraadschap De Stichtse Rijnlanden
  • HydroLogic B.V.
  • Rijkswaterstaat WVL
  • Stichting Deltares (Delft)
  • Stowa
  • TKI Deltatechnologie
  • Vitens N.V.
  • Waterschap Noorderzijlvest
  • Waterschap Vechtstromen
  • Waterschap Zuiderzeeland
  • Witteveen+Bos

Resultaten


Er zijn nog geen resultaten voor dit project.