Extreme neerslag heeft een grote impact op het watersysteem. De afgelopen jaren is veel onderzoek verricht naar de neerslagstatistiek in Nederland (Hakvoort, et al., 2016). Het onderzoek geeft inzicht in de kans van voorkomen van extreme neerslagen in Nederland. De oorzaken van regionale spreiding van de extreme neerslag zijn tot nu toe niet duidelijk.
Conventionele methoden betrekken een selectief aantal gegevensbronnen en zijn gebaseerd op statistische modellen met beperkte geografische spreiding.
In dit artikel beschrijven we de toepassing van een Self-Organizing Map (SOM) als neuraal netwerk. Deze techniek maakt patronen tussen meerdere parameters zichtbaar. Dit kan helpen om verklarende verbanden te vinden die tot lokale, extreme neerslag leiden.
We hebben dit toegepast in Nederland met behulp van open data, waarin we een conceptstudie beschrijven van parameters die gerelateerd zijn aan extreme neerslag. Op deze manier kunnen we beter zicht krijgen op de verbanden die kansrijk zijn om lokale extreme neerslaggebeurtenissen te verklaren.
We verwachten dat we patroonherkenning op basis van neurale netwerken vaker gaan toepassen om het inzicht in complexe situaties te vergroten; juist binnen ons vakgebied van hydrologie en de daarbij horende extreme neerslagstatistiek. Wel laat de toepassing van de conceptstudie zien dat de uitkomsten van neurale netwerken kritisch getoetst moeten worden aan hun inhoudelijke juistheid.
