Selvlærende AI-modell som automatisk forbedres over tid:
- Nedbørfelt: Henter nedbørsvarsel fra 4 punkter i vassdraget: Knaben (40%), Sollis (30%), Fjotland (15%), Kvinesdal (15%) – vektet etter bidrag til avrenning
- Datainnsamling: Hver time lagres vektet nedbør fra hele feltet og faktisk vannføring (Sira-Kvina + ThingSpeak) i database
- Krysskorrelasjon: Modellen analyserer sammenhengen mellom nedbør i øvre felt og vannføringsendring nedstrøms for å finne reell forsinkelse
- Lineær regresjon: Lærer skaleringsfaktoren – hvor mange m³/s økning per mm nedbør for akkurat dette vassdraget
- Utvaskingsanalyse: Måler hvor raskt vannføringen faller etter regnperioder (recession curves)
- Automatisk oppdatering: Trener daglig med nye data. Forsinkelse, skalering og utvasking justeres automatisk
- Status: Trenger minimum 3 dager med data for å starte læring. Etter det forbedres modellen kontinuerlig
Datakilder: Sira-Kvina Stegemoen (primær m³/s) | ThingSpeak sensor Aamodt (backup, dybde→m³/s) | yr.no (nedbørsvarsel)
Minstevannsføring: 5 m³/s (konsesjonskrav Kvina ved Røynestad) – blinkende alarm + e-post ved brudd
NB: Faktisk vannføring påvirkes også av kraftverkregulering, snømagasin og grunnvann.
Offisielle data: Sira-Kvina