‘Je kunt niet twee keer verrast worden’

Steven Weijs wil voorspellen wetenschappelijker maken - Foto: Tomas van Dijk

Promovendus ir. Steven Weijs (Civiele Techniek en Geowetenschappen) kreeg een beurs van het AXA Research Fund. Daarmee gaat hij na zijn promotie naar de École Polytechnique Fédérale van Lausanne om overstromingen beter te voorspellen.

In Zwitserland gaat u naar het dal Val Ferret. Wat is daar te beleven?
“De groep heeft daar hightech apparatuur neergezet die variabelen meet op kleine schaal. Ze meten sneeuwdieptes, regenval en windpatronen en proberen daar modellen van te maken.”

Is het vergelijkbaar met het project Climate City Campus dat de TU-wijk wil gebruiken als proeftuin voor het stadsklimaat?
“Precies. Mijn professor Nick van de Giesen is op sabbatical geweest bij die groep in Lausanne. Ze zijn allebei voorstander van het doen van meer metingen. En dan is het logisch om in één gebied te beginnen en daar alles uit de kast te halen.”

Maar wat te doen met al die data?
“Er is een verschil tussen data en informatie. Je kunt heel veel data hebben, maar als er weinig verschil tussen zit geeft dat niet meer informatie. Onafhankelijke data bevat meer informatie, dus twee regenmeters zet je niet naast elkaar, maar liefst de ene in het dal en de andere op de berg.”

Ik neem aan dat de onderzoekers hun apparatuur weloverwogen plaatsen, maar hoe zorg je dat je niet verdrinkt in de gegevens?
“Dat is precies wat ik onderzoek. Je hebt een berg data, maar slechts een deel bevat informatie.”

Hoe weet je welk deel dat is?
“Dat hangt af van in hoeverre je het van te voren kon verwachten. In Shannons informatietheorie heet dat ‘surprisal’. Als ik zeg ‘ik ga morgen eten’ en je ziet mijn postuur, dan levert je dat weinig informatie op omdat het overeenstemt met je verwachting. Als ik zeg dat er morgen buitenaardse wezens landen om ons te waarschuwen voor klimaatverandering, is dat wel verrassend.”

Hoe gaat u dat toepassen in Lausanne?
“Er is een informatiestroom vanaf de metingen, door een wiskundig model dat een voorspelling berekent, bijvoorbeeld over de te verwachten waterstanden. Die voorspelling gaat naar mensen die beslissingen nemen. Uiteindelijk wil je dat in die data-stroom zoveel mogelijk informatie van de observatie de beslissing bereikt en het liefst de meest relevante informatie.”

Maar hoe doe je dat?
“Je wilt zoveel mogelijk kans toekennen aan wat echt gaat gebeuren. Als je een goede voorspelling hebt gehad ben je weinig verrast over wat er gaat gebeuren. Maar is de voorspelling slecht, dan raak je verrast door de gebeurtenis. Je wilt dus voorspellingen maken waarmee je verrassingen kunt voorkomen.”

Maar dat doe je juist met data die zoveel mogelijk verrassen.
“Precies. Van te voren wil je zoveel mogelijk verrast worden door de informatie in de voorspelling, zodat de verrassing als het daadwerkelijk gebeurt zo klein mogelijk is. Want je kunt niet twee keer over hetzelfde verrast zijn.”

Steven Weijs, ‘Information Theory for Risk-Based Water System Operation’, 1 april 2011