Data-assimilering og maskinlæring

NORCE har en sterk gruppe innen data assimilering og har brukt det innenfor en rekke felt, inkludert oppdatering av petroleumsreservoarmodeller, medisinske modeller og snø- og hydrologiske modeller. I et prosjekt, finansiert av Statkraft, ble vår dataassimileringskompetanse utnyttet til å forbedre prognosene for vannkrafttilsig ved å assimilere snødata. Metoden har høyt potensiale til å bli anvendt til skredovervåking.

Maskinlæring, spesielt dyp læring, har vært mye brukt i datasynsoppgaver, f.eks. for bildegjenkjenning og objekt deteksjon basert på fjernmålingsbilder. Automatisk identifikasjon målrettet til skreddeteksjon kan også utføres basert på bildegjenkjenning og/eller objekt deteksjon fra tilpassende informasjonskilder, f.eks. SAR-satellittbilder (Figur 4).

Skredprediksjon kan potensielt oppnås ved hjelp av multimodale maskinlæringsmodeller. Snøskred oppstår ofte på grunn av ulike faktorer, f.eks. vær og topografisk forhold, menneskelige aktiviteter, osv. Derfor kan en prediksjonsmodell basert på maskinlæringsmetode utvikles og trenes på kommenterte multimodale data.