Vorhersage von Flusspegeln in der Region Trier

Ziel des Projekts ist die Vorhersage von Wasserständen in Flüssen der Region Trier. Grundlage sind derzeit vor allem Messdaten des Landesamts für Umwelt Rheinland-Pfalz (LfU), die systematisch aufbereitet und für maschinelles Lernen genutzt werden. Ergänzend ist die Erweiterung auf den deutschlandweiten CAMELS-DE-Datensatz geplant, um die Modelle breiter zu evaluieren und ihre Generalisierbarkeit zu verbessern.

Zum Einsatz kommen unter anderem Deep-Learning-Ansätze wie LSTM, GRU und Transformer sowie Fuzzy-Modelle. Ziel ist die Entwicklung robuster und nachvollziehbarer Prognosen, die sowohl für wissenschaftliche Analysen als auch für das Hochwassermanagement nutzbar sind.

Eine erste Publikation baut auf der Arbeit von Mohammed Al-Bared auf und untersucht die Verlässlichkeit neuronaler Netze bei Hochwasserprognosen. Sie zeigt hohe Genauigkeit unter Normalbedingungen, weist jedoch auf Unsicherheiten in frühen Flutphasen hin:

• Albared, M., Beise, HP. & Stüber, M. How confident and reliable are deep learning models for streamflow prediction under flood conditions. Nat Hazards (2025). https://doi.org/10.1007/s11069-025-07527-2