Metingen maken computervoorspellingen betrouwbaarder

06/05/2010 15:22

Deltares

Weersvoorspellingen zouden veel minder nauwkeurig zijn als de computerberekeningen niet op grote schaal zouden worden bijgestuurd aan de hand van weerswaarnemingen. Zulk gebruik van metingen om modellen bij te sturen wordt data-assimilatie genoemd. Met de nieuwe OpenDA (Open Data-Assimilatie) software kan data-assimilatie nu ook veel makkelijker toegepast worden voor andere voorspelmodellen zonder dat daar een grote investering voor nodig is. In sommige vakgebieden kunnen de voorspellingen daarmee tot wel twee keer zo nauwkeurig gemaakt worden. Maar ook in vakgebieden die nu al data-assimilatie toepassen is de OpenDA software nuttig, bijvoorbeeld om nieuwe ontwikkelingen snel en goedkoop te kunnen inzetten. De software is door Deltares, VORtech en TU Delft ontwikkeld, en wordt gratis als open source software beschikbaar gesteld.

Beter, sneller en goedkoper voorspellen

Data-assimilatie zorgt ervoor dat de computerresultaten als het ware naar de metingen toegetrokken worden. Het computermodel blijft daardoor dichter bij de werkelijkheid en geeft dan ook betere voorspellingen.

Het ontwikkelen van data-assimilatiefunctionaliteit voor een bepaald model is specialistenwerk, vergt veel inspanning en daarmee een grote investering. Daardoor wordt data-assimilatie nog relatief spaarzaam toegepast. Een gemiste kans, omdat het in diverse vakgebieden een grote meerwaarde kan opleveren. En daar waar data-assimilatie al wel gebruikt wordt, dringen nieuwe ontwikkelingen op dit gebied nauwelijks door, omdat het simpelweg te duur is om ze in te bouwen in bestaande toepassingen. Bovendien is data-assimilatie software ook nog eens zo complex dat er al gauw fouten gemaakt worden. In dat geval werkt het soms nauwelijks of geeft zelfs verkeerde uitkomsten.

OpenDA lost de problemen van tijd, investering en complexiteit op door een reeks van softwarebouwstenen te leveren waarmee data-assimilatie voor een willekeurig model relatief snel te ontwikkelen is. De bouwstenen kunnen steeds weer opnieuw gebruikt worden en worden met elke toepassing weer in de praktijk getest. Daardoor zullen ze na enige tijd zeer weinig fouten meer bevatten. Bovendien zijn de bouwstenen stuk voor stuk geoptimaliseerd om heel snel te rekenen. Dat is belangrijk omdat data-assimilatiemethoden meestal enorm veel rekentijd vergen.

Ervaringen met OpenDA

De eerste proefversies van OpenDA hebben de afgelopen jaren al toepassingen gevonden. TNO heeft haar Lotos-Euros luchtverontreinigingmodel al aangesloten op OpenDA en experimenten uitgevoerd om te kijken welke data-assimilatiemethode het beste functioneert. Een consortium van BMT-Argoss, KNMI en VORtech past de OpenDA software toe om de luchtkwaliteit boven de Noordzee in beeld te brengen. Daarbij wordt een computermodel van de chemische processen in de atmosfeer gecombineerd met satellietmetingen. Rijkswaterstaat gebruikt de software al bij de hoogwatervoorspellingen langs de Nederlandse kust en OpenDA functionaliteit is ook beschikbaar in het Flood Early Warning System (FEWS) van Deltares. Daarnaast gebruikt Deltares OpenDA al voor het afregelen van het golvenmodel SWAN en voor de integratie van satellietmetingen in waterstandsmodellen voor Zuidoost Azië. Vanuit België, Denemarken en de VS is al belangstelling getoond.

OpenDA live

De nieuwe software wordt officieel gelanceerd op de conferentie JONSMOD. Van 10 tot 12 mei 2010 komen bij het kennisinstituut Deltares in Delft vanuit de hele wereld experts bij elkaar die zich bezig houden met computermodellen voor zeeën en oceanen. Vanwege de ervaring die Deltares met data-assimilatie voor watertoepassingen heeft opgedaan, is dit bij uitstek een forum om de nieuwe software te presenteren.

.................................................

Lees verder:

+ Informatie over de initiatiefnemers

+ Hoe kunnen metingen helpen om modellen te verbeteren?

Informatie over de initiatiefnemers

De OpenDA programmatuur is ontwikkeld door een samenwerkingsverband van de Technische Universiteit Delft, kennisinstituut Deltares en het wiskundig ingenieursbureau VORtech.

Bij de TUDelft is de groep Mathematische Fysica van de faculteit Elektrotechniek, Wiskunde en Informatica bij de ontwikkeling betrokken. Deze groep werkt al sinds tientallen jaren aan de ontwikkeling van data-assimilatiemethoden. Met OpenDA kan ze nu haar nieuwe ontwikkelingen op zo'n manier beschikbaar stellen dat mensen in de praktijk er direct hun voordeel mee kunnen doen. Omgekeerd kunnen mensen uit de praktijk ook veel laagdrempeliger onderzoek bij de TU Delft uitbesteden omdat er veel minder programmeerwerk mee gemoeid is.

Bij kennisinstituut Deltares wordt OpenDA al direct op grote schaal toegepast in modellen voor bijvoorbeeld hoogwatervoorspellingen en rioleringsstelsels. In 2002 is Deltares begonnen met de ontwikkeling van een gebruikersvriendelijke op zichzelf staande softwareomgeving voor data-assimilatietechnieken, maar uiteindelijk is gekozen om de ontwikkeling samen met de twee andere partners uit te voeren. Door de software openbaar toegankelijk te maken verwacht Deltares een bredere toepassing en meer inhoudelijke bijdrages op het gebied van nieuwe technieken. Daardoor kan ze zelf veel meer effort stoppen in de gebruikskant en het toepassen van data-assimilatietechnieken en daarmee haar rol als kennisinstituut des te beter invullen.

Het wiskundig ingenieursbureau VORtech heeft eveneens een belangrijke rol gespeeld in de ontwikkeling van OpenDA. VORtech is gespecialiseerd in het ontwikkelen van computermodellen. Bij verschillende klanten ontstond behoefte aan het gebruik van metingen om de modellen beter te maken. Met OpenDA kunnen die klanten nu bediend worden zonder dat ze daar een enorme investering voor hoeven te plegen. Verder hoopt VORtech ook in opdracht van klanten verbeteringen of uitbreidingen aan de OpenDA bouwstenen te mogen doen. Het meewerken aan OpenDA is voor VORtech dan ook vooral een investering in toekomstig werk.

Hoe kunnen metingen helpen om modellen te verbeteren?

Ieder simulatiemodel is uiteindelijk niet meer dan een benaderende beschrijving van de werkelijkheid. Dat betekent dat er altijd verschillen blijven bestaan tussen een model en de werkelijkheid. Door modellen te combineren met metingen (data-assimilatie) ontstaan allerlei interessante mogelijkheden. Zo kunnen modellen bijvoorbeeld ook gebruikt worden om metingen aan te vullen of beter te begrijpen.

Metingen en modellen vullen elkaar aan

Metingen en modellen kunnen niet zonder elkaar. Simulatie- of rekenmodellen zijn vrijwel altijd benaderende beschrijvingen van de werkelijkheid. Voordat een model gebruikt kan worden, moet er dan ook goed gekeken worden of het model de relevante aspecten van de werkelijkheid goed weergeeft, zowel kwantitatief als kwalitatief. En daarvoor zijn metingen aan de werkelijkheid onontbeerlijk.

Metingen hebben op hun beurt ook beperkingen: ze hebben gewoonlijk betrekking op één bepaald punt in de ruimte en in de tijd. Wat er tussen, voor of na die meetpunten gebeurt, is in principe onbekend. Modellen worden gebruikt om tussen meetpunten te interpoleren of om op basis van metingen voorspellingen voor de toekomst te doen. Ook worden modellen gebruikt om uit de metingen grootheden te berekenen die niet rechtstreeks te meten zijn.

Metingen en modellen kan men op verschillende manieren zinvol combineren. Het wiskundig gebruik van metingen om modellen te verbeteren wordt aangeduid met het begrip data-assimilatie. In goed Nederlands: het opnemen van metingen in het model.

Kalibreren: met de hand of automatisch

In de eerste plaats kunnen de modellen afgeregeld worden aan de hand van metingen. Bepaalde waarden die het model gebruikt voor zijn berekeningen (meestal aangeduid met de term parameters) worden dan zodanig gekozen dat de uitkomsten van het model zo goed mogelijk aansluiten bij de metingen. Het kiezen van de waarde van de parameters staat bekent als kalibratie.

Modellen worden meestal gekalibreerd door deskundigen, die op basis van hun inzicht de verschillen tussen metingen en voorspellingen kunnen herleiden tot bepaalde instellingen van het model.

Dergelijke handmatige kalibratie is vaak heel arbeidsintensief. Zeker als het kalibreren vaker moet gebeuren kan automatisering ervan veel voordeel opleveren. Bovendien is het voor mensen ondoenlijk om een groot aantal parameters tegelijk af te regelen. En het is nooit zeker of de gevonden instelling inderdaad de beste is. Het is dan ook aan te raden om gebruik te maken van de beschikbare automatische methoden die snel een optimale kalibratie bepalen. OpenDA bevat een aantal van die automatische methoden.

Terugrekenen van uitkomst naar invoer

Een speciale categorie van methoden om een model te kalibreren maakt gebruik van geadjungeerde of inverse modellen. Dit is als het ware een omgekeerd model: het berekent de invoer (de parameters) die hoort bij een bepaalde uitvoer (datgene wat gemeten wordt).Vaak vergt het opstellen van een geadjungeerd model een wiskundige analyse en een flink stuk programmeerwerk. Maar onder heel bepaalde omstandigheden kan een geadjungeerd model automatisch worden afgeleid uit de programmatuur van het model zelf. Ook wordt er gewerkt aan methoden waarmee het terugrekenen kan gebeuren zonder geadjungeerd model. Dit soort methoden zal opgenomen worden in OpenDA.

Ontwerpen van systemen

Het bepalen van de parameters die horen bij een bepaalde uitkomst is ook heel handig te gebruiken bij het ontwerpen van systemen: als men weet welke eigenschappen het systeem moet hebben, dan kan men hiermee terugrekenen hoe het systeem gedimensioneerd moet worden. Hiervoor kan vaak volstaan worden met eenvoudige kalibratiemethoden. Dit is dus een heel ander soort gebruik van de OpenDA software.

De werkelijkheid volgen

In plaats van de parameters van een simulatie aan te passen, kunnen ook de simulatieresultaten zelf veranderd worden om ze bij de metingen te laten aansluiten. Bij een grondwatermodel kan bijvoorbeeld de grondwaterstand vervangen worden door de gemeten waarden op plaatsen waarvoor metingen beschikbaar zijn. Het model rekent vervolgens verder met de meer realistische grondwaterstand en levert daarom betere voorspellingen. Maar het aanpassen van simulatieresultaten kan uiteraard niet zonder meer. Als in één punt de grondwaterstand wordt aangepast en in de naastgelegen punten niet dan klopt het model fysisch niet meer. Bovendien bevatten de metingen zelf ook fouten, dus de meetwaarde is meestal ook niet precies de goede waarde. Het Kalman filter is een van de vele methoden om de (tussen) resultaten van een simulatie aan te passen terwijl het model fysisch consistent blijft. Bovendien houdt het filter rekening met de onzekerheden van zowel het simulatiemodel als van de waarnemingen. OpenDA bevat een aantal methoden die op het Kalman filter gebaseerd zijn.

Een foto van dit onderwerp is (rechtenvrij) beschikbaar op ANP Fotonet (www.anp-photo.com) en zichtbaar op www.perssupport.nl.





http://www.openda.org

donderdag 6 mei 2010