25.02.2021
Machine Learning i Vandbranchen – Voodoo eller Virkelighed?

Velkomst og introduktion til dagen
Jesper Ellerbæk Nielsen, EVA udvalget

Machine Learning og High-end Digitalisering
David Getreuer Jensen, Envidan
I Innovationsfonden rapport ”An AI Nation”, der er udarbejdet af McKinsey & Company, fremgår det tydeligt, at potentialet for Machine Learning i Danmark er enormt. Det fremgår også, at der kommer til at mangle op til 80.000 mennesker med Machine Learning kompetencer inden 2030 for at realisere det potentiale. Nærværende indlæg gennemgår på et overordnet niveau, hvad Machine Learning er samt nogle eksempler herpå, hvorfor det er, at Machine Learning forudses at have et så stort et potentiale samt hvorfor jeg personligt ikke tror, at det fremtidige ressourcebehov vil være så stort som forudsagt.

SE PRÆSENTATIONEN

Feature analyse af ledningsmodeller
Bolette Dybkjær Hansen, EnviDan
Når man arbejder med Machine Learning, kan feature analyser anvendes til at forbedre forståelsen for data, de bagvedliggende sammenhænge og optimering af modellerne. I dette oplæg vil Bolette præsentere et eksempel på hvordan en analyse af de features, der anvendes i tilstandsmodeller kan anvendes til at optimere og forsimple modellerne.

SE PRÆSENTATIONEN

Pause

Machine Learning i rådgivningen – et redskab i værktøjskassen
Torben Bach, NIRAS
Med fokus på konkrete eksempler fra rådgivningsopgaver samt udviklings- og demonstrations projekter, vil Torben give indblik i hvordan Machine Learning anvendes som redskab i rådgivningen. Herudover diskutere, hvordan teknologien påvirker rådgivningen og hvad man bør være opmærksom på, når man tilbyder Machine Learning som rådgiver.

SE PRÆSENTATIONEN

Årsmøde
Jacob Badsberg Larsen, Formand for EVA udvalget
1. Valg af dirigent
2. Bemærkninger til dagsordenen
3. Formandens beretning
4. Fremlæggelse af regnskab
5. Valg af udvalgsmedlemmer *
6. Eventuelt
* Ulla Boje Jensen har været medlem af bestyrelsen i 2 x 3 år og kan derfor ikke genopstille.
Tina Kristensen Nettelfield er på valg for en treårig periode. Bestyrelsen foreslår genvalg
Benedikte Foldby Jakobsen er på valg for en treårig periode. Bestyrelsen foreslår genvalg
Forslag til kandidater fremsendes til Jakob Badsberg Larsen (jla@niras.dk) eller Jesper Ellerbæk Nielsen (jen@build.aau.dk). Tidsfrist for indstilling er senest onsdag den 17. februar 2021.
Eventuel afstemning ved kampvalg, afgives pr e-mail til Sylvie Chambelland (syc@ida.dk) som behandles anonymt.

Frokostpause

Datadreven modellering af vandstande i afløbssystemet
Jens Martin Eriksen, Kruger
Med udgangspunkt i målekampanger hos Novafos vil Jens Martin give et indblik i, hvordan regndata og vandføringsmålinger kan anvendes til at modellere vandstande i kritiske punkter i afløbssystemet. I den datadrevne tilgang er Machine Learning anvendt til at beregne den hydrauliske respons i realtid, og Jens Martin vil diskutere, hvordan og hvornår dette kan supplere eksisterende modelleringsværktøjer.

SE PRÆSENTATIONEN

Mere information fra data med kunstig intelligens: konkrete eksempler fra afløbssystemer
Morten Grum, WaterZerv
Datadrevne modeller og machine learning byder på mange nye muligheder for bedre indsigt, prioritering og optimering i både drift og planlægning. Vi præsenterer, hvordan automatiserede datadrevne modeller benyttes til beregning af kilder til afløbssystemet samt hvordan neurale netværk bruges til at detektere dårlige data. Desuden giver vi en mundsmag på et nyt udviklingssamarbejde med DTU Miljø og Bochum kommune, hvor vi med deep learning kombinerer data og klassisk hydraulik for at styrke klimatilpasningen og reducere overløb.

SE PRÆSENTATIONEN

Pause

Nationalt befæstelseskort ved hjælp af Machine Learning og geografiske data
Morten Revsbæk, Scalgo
Indlæggets fokus vil være på brugen af Machine Learning i udviklingen af Scalgo’s services. Morten vil give en kort introduktion til det nationale befæstelseskort og vandoplandsværktøj, samt give indblik i hvordan AI og Machine Learning har bidraget hertil. Herudover diskuterer mulighederne i at kombinere Machine Learning med geografiske data, til gavn for vandbranchen.

SE PRÆSENTATIONEN

Hvor parat er Vandbranchen til kunstig intelligens?
Prof. Michael Rasmussen, Aalborg universitet
Kunstig intelligens (AI) og Machine Learning har allerede indtaget en række brancher med storm. I Danmark har vi eksperimenteret med at anvende kunstig intelligens og Machine Learning siden 1990’erne, men betyder det at vandsektoren er parat til kunstig intelligens? Potentialerne for Vandbranchen fremhæves ofte, men hvorfor er AI og ML ikke allerede langt mere udbredt? Michael vil i sit indlæg fokusere på, hvilke udfordringer kunstig intelligens giver vandbranchen, faldgruber ved datadreven modellering og hvilke krav teknologien stiller til fremtidens vand og miljø ingeniører for herigennem at tegne et billede af, hvordan AI og Machine Learning vil påvirke vores branche i fremtiden.

SE PRÆSENTATIONEN

Afrunding og tak for i dag
Jesper Ellerbæk Nielsen, EVA-Udvalget