Data-gedreven anticiperen op droogte

In ‘Data-gedreven anticiperen op droogte’ zijn kansen en mogelijkheden van data-gedreven anticiperen op droogte onderzocht aan de hand van drie casussen. Dit is een vervolg op de data challenge Slim Watermanagement van 2017 en uitwerking daarvan in 2018 en 2019. In een data-gedreven aanpak zijn met behulp van statistische of machine learning technieken relaties tussen invoer- en uitvoerdata in beeld gebracht zonder expliciet rekening te houden met onderliggende fysische processen. In de meer gangbare proces-gedreven aanpak zijn de modellen gebaseerd op welbekende fysische en/of wiskundige wetten. In de rapportage zijn de resultaten en leerpunten beschreven.