Η χρήση των Τεχνητών Νευρωνικών Δικτύων με διαφορετικές πηγές χωροχρονικής πληροφορίας για την πρόβλεψη αστραπιαίων πλημμυρών

Για παραπάνω από δύο δεκαετίες, η χρήση των τεχνητών νευρωνικών δικτύων (artificial neural networks, ANNs) στην υδρολογία έχει αποτελέσει μια αποτελεσματική και αποδοτική εναλλακτική σε σχέση με παραδοσιακές προσεγγίσεις μοντελοποίησης, π.χ. φυσικής βάσης ή εννοιολογικές. Αυτά μπορούν να αξιοποιήσουν κάθε τύπο διαθέσιμης πληροφορίας για να προβλέψουν την υδρολογική απόκριση πολύπλοκων συστημάτων, με ελλιπή δεδομένα και περιορισμένη γνώση των μηχανισμών μετασχηματισμού. Μια υποσχόμενη περιοχή εφαρμογής είναι η πρόγνωση σε πραγματικό χρόνο της διόδευσης των πλημμυρών, που αποτελεί αναγκαίο συστατικό των συστημάτων έγκαιρης πρόγνωσης και έγκαιρης προειδοποίησης. Σε αυτή την εργασία εστιάζουμε στις αστραπιαίες πλημμύρες, θεωρώντας ως περιοχές εφαρμογής δύο μεσαίας κλίμακας λεκάνες στην Ελλάδα, με θεμελιωδώς διαφορετικά χαρακτηριστικά. Η πρώτη είναι η έντονα αστικοποιημένη λεκάνη απορροής του ποταμού Κηφισού (380 km2), που αποτελεί τον κύριο αποστραγγιστικό αγωγό της μητροπολιτικής περιοχής της Αθήνας, ενώ η δεύτερη είναι η αγροτική λεκάνη του ποταμού Νέδοντα, στη ΝΔ Ελλάδα (120 km2). Κα οι δύο περιοχές έχουν πρόσφατα εξοπλιστεί με αυτόματους υδρομετρικούς σταθμούς, ενω είναι επίσης διαθέσιμα δεδομένα βροχόπτωσης σε πραγματικό χρόνο από έναν αντιπροσωπευτικό αριθμό μετεωρολογικών σταθμών. Για τις δύο μελέτες περίπτωσης εξετάζουμε διάφορες διαμορφώσεις των Νευρωνικών Δικτύων, ώστε να προβλέψουμε τη στάθμη του ποταμού στην έξοδο κάθε λεκάνης για διάφορα χρονικά βήματα υστέρησης, με τη χρήση διαφορετικών συνδυασμών δεδομένων εισόδου, στη μορφή ανάντη μετρήσεων στάθμης και σημειακών δεδομένων βροχής.