Q347 Basel‐Stadt, Hochschule für Architektur, Bau und Geomatik FHNW

Für den Kanton Basel-Stadt wurden für die Abschätzung des flächenspezifischen Abflusswertes q347 in unbeobachteten Einzugsgebieten (EZG) drei Regressionsmodelle implementiert. Für die Vorhersage der Q347-Unterschreitung wurden fünf Klassifikationsalgorithmen an den Q347-Ereignissen von 50 EZG trainiert und validiert. Die entwickelten Modelle lassen sich sowohl räumlich als auch zeitlich übertragen und bieten eine solide Grundlage für die Integration in den operativen Betrieb des Kantons Basel-Stadt.

Für die Vorhersage der Q₃₄₇-Unterschreitung wurden fünf Klassifikationsalgorithmen (Random Forest, Support Vector Machine, Logistic Regression, Decision Tree und K-Nearest Neighbors) an den Q₃₄₇-Ereignissen der 50 EZG trainiert und validiert. Der Random Forest, die Logistic Regression und die Support Vector Machine erzielten gute Klassifikationsergbenisse, während sich der Decision Tree und der K-Nearest Neighbors für diese Aufgabe als ungeeignet erwiesen. Die dynamischen, ereignisspezifischen Parameter tragen den Grossteil der Vorhersagekraft.

• Tiefbauamt Kanton Basel-Stadt