Heuristische Verfahren zur Früherkennung von starkniederschlagsbedingten Naturgefahrenereignissen

Ziel ist es, ein Expertensystem zu entwickeln, das eine Hilfe bei der Einschätzung von zu erwartenden Überflutungsereignissen und Vermurungen im alpinen Raum bieten soll. Als Datengrundlage dienen dafür die meteorologischen Aufzeichnungen zahlreicher Wetterstationen. Um statistische Zusammenhänge zwischen extremen Wettersituationen und Ereignissen herleiten zu können, ist eine gut dokumentierte Ereignis- und Einsatzdatenbank von Hilfsorganisationen (z.B. Feuerwehr) von fundamentaler Bedeutung. Für das Bundesland Vorarlberg stehen digitale Einsatzdokumentationen ab etwa 1995 zur Verfügung. Die Ähnlichkeitsanalyse beruht auf dem Nearest-Neighbours (NN) Verfahren. Dabei werden die Eingangsdaten (meteorologische Daten) mit Gewichten versehen, die einen empirischen Zusammenhang zwischen Wichtigkeit der Messgröße in Relation zum betrachteten Ereignis herstellen. Wie ähnlich die aktuelle Wettersituation zu einer vergangenen Wettersituation ist, wird über die euklidische Distanz aller Werte des Datensatzes berechnet. Die kürzeste Distanz verweist dabei auf den ähnlichsten Tag im Datensatz. Die dokumentierten Ereignisse für den „ähnlichsten“ Tag in der Datenbank lassen Rückschlüsse auf die Gefahrenstufe des aktuellen Tages zu. Ein weiterer Zugewinn an Information kann erreicht werden, indem nicht nur die aktuelle Wettersituation für die Ähnlichkeitsanalyse verwendet wird, sondern auch die Wetterprognose für den folgenden Tag miteinbezogen wird. Es wird erwartet, dass die Genauigkeit der Ähnlichkeitsanalyse stark von der Klassifizierung der Wetterdaten und der Ereignistypen abhängt. Das Tool wird anfänglich Verwendung für das Bundesland Vorarlberg finden. Dabei wird eine Einteilung des Bundeslandes in verschiedene Regionen erforderlich sein, die sich durch Ähnlichkeiten der Wettersituation bzw. durch Wetterscheiden und topographische Gegebenheiten ergeben. Diese Einteilung wird aus langjährigen Wetterbeobachtungen und der Erfahrung von ortskundigen Personen getroffen. Die Nearest-Neighbour Methode wird dann für jede dieser Regionen getrennt angewandt und analysiert die Ereignisse in der jeweiligen Region. Die richtige Gewichtung der Eingangsdaten wirkt sich auf die Trefferquoten der NN-Methode aus. Es wird angenommen, dass die Gewichtung der Wetterdaten unterschiedlich gewählt werden muss, in Abhängigkeit vom betrachteten Ereignis. Beispielsweise wird die Gewichtung zur Früherkennung von hochwasserführenden Wildbächen anders sein als die Gewichtung für Hangrutschungen. Die Gewichtung der Daten basiert auf Expertenwissen, und stellt einen empirischen Zusammenhang der einzelnen meteorologischen Messgrößen zum jeweiligen Ereignistyp. Eine zu spezifische Gewichtung birgt die Gefahr das System auf wenige Referenzereignisse zu kalibrieren und damit unsensibel auf Schwankungen zu reagieren. Eine zu allgemeine Gewichtung kann dazu führen, dass sich kein Muster für Ereignisauslösende Wettersituationen erstellen lässt. Ein Ansatz zur Abstrahierung der Datengewichtung kann mittels genetischer Algorithmen erreicht werden. Diese können verwendet werden um eine Selbstgewichtung des Systems zu erreichen. Meist gibt es dabei mehrere Gewichtungen die zu einem optimalen Ergebnis führen. Die aus den genetischen Algorithmen resultierenden Gewichtungen können dabei erheblich von den empirisch angenommenen Werten abweichen, da sie keinen physikalischen Zusammenhang zwischen Wetterdaten und Ereignissen repräsentieren, sondern auf evolutionären Optimierungsverfahren beruhen.