Prognoser af grundvandsstanden kan bruges i situationer, hvor grundvandsstanden enten når et kritisk højt eller lavt niveau.
En kritisk høj grundvandsstand kan medføre vand på og over terræn, oversvømmelse af kældre, kloak og vandløb. En kritisk lav grundvandsstand kan medføre en tørkesituation, hvor væksten af afgrøder påvirkes, hvor udtørring af jorden kan føre til sætningsskader på bygninger, hvor vandløb udtørrer og ultimativt medfører manglende drikkevand.
Derfor har GEUS udviklet en prognosemodel for grundvandsstanden ved udvalgte målestationer til grundvandsstanden.dk, som kan forudsige grundvandsstanden 14 dage frem i tiden.
Prognosemodellen er baseret på Deep Learning af grundvandsstanden ved den enkelte målestation. Det betyder i praksis, at modellen ud fra historiske data af grundvandsstanden for den enkelte station har ’lært’, hvordan grundvandet reagerer på nedbør eller manglende nedbør på forskellige tidspunkter i løbet af året.
Prognosemodellen kan således ud fra det nuværende døgns målinger af grundvandsstanden samt en vejrudsigt lave en prognose for de næste 14 dages grundvandsstand for lige præcis dér, hvor målestationen er. For at kunne ’træne’ Deep Learning-modellen godt kræves flere års daglige data ved den enkelte målestation, og derfor vil prognoser kun vises ved nogle boringer og indtag.
Nedenstående figur viser et eksempel i form af prognosen ved Sunds By 14 dage frem med en stiplet linje, der fortsætter den sorte kurve, sammen med målingerne af grundvandsstanden frem til dags dato.
Den lodrette blå linje ‘Nu’ markerer dags dato, og hvorfra prognosen starter.