Presentatie door Dick Edelman, Heijmans Integrale Projecten, op het Minisymposium Basisregistratie Ondergrond (BRO), tijdens de Deltares Software Dagen - Editie 2019. Donderdag, 20 juni 2019, Delft.
9. Zelfde beeld dijkversterking GoWa
Data (worden nog aangeleverd):
Voetregel invoegen via menu Beeld > Koptekst en voettekst 9
10. Waarom GoWA
• Dijkverbetering
• Analyse piping, heave, opbarsten : Dijkfalen, relatie klimaatverandering
• Ondergrond moet bekend zijn op detailniveau
• Wordt zeer veel geld aan uitgegeven in de komende jaren
Voetregel invoegen via menu Beeld > Koptekst en voettekst 10
12. Data formats in BRO
• Gef-files, csv-files, txt files, xml-files
• Alles gestructureerd, informatie altijd op
zelfde locatie
Voetregel invoegen via menu Beeld > Koptekst en voettekst 12
13. Data formats in BRO
Voetregel invoegen via menu Beeld > Koptekst en voettekst 13
Algemene
informatie
Meetdata
Lezen en bewerken in Python
(1000/4000 sonderingen en/of boringen per uur)
14. Beeld in Python
• Dataframe op NAP hoogte
• Per meetinterval (vaak 2 cm) k-waarde bepaald
aan de hand van algoritme (NB: blijft dus een
rekentechniek, geen werkelijkheid!)
Voetregel invoegen via menu Beeld > Koptekst en voettekst 14
15. Nier alleen sonderingen, maar ook grondwaterdata
• Extreemanalyse over grote oppervlakten
• Trendanalyse over vele jaren.
• GHG bepaling over veel peilbuizen
• Zelf grondwaterkaarten maken in periode X
• En dat alles binnen relatief korte tijd
• Etc.
Voetregel invoegen via menu Beeld > Koptekst en voettekst 15
17. Optimale bewerking data: alles in een persoon
• Verzekerd van continuïteit
• Snelle omschakeling naar realiteit (vooral eigen
mensen kennen de praktijk
• Discussie gaat over de interpretatie, niet over
de validiteit data
Voetregel invoegen via menu Beeld > Koptekst en voettekst 17
Data (Bro)
Code
(Py, C, JS, R
etc.)
Kennis
19. Voetregel invoegen via menu Beeld > Koptekst en voettekst 19
m.b.v. Python script boorkolommen genereren
uit gef-files en boorbeschrijvingen.
Lichtgroen: kleiig zand, leem
21. Bepalen van dikte zand- en kleilagen en
berekende parameters (KD, C, Lambda)
Voetregel invoegen via menu Beeld > Koptekst en voettekst 21
22. Voetregel invoegen via menu Beeld > Koptekst en voettekst 22
Pleistoceen
Holoceen
Dijklichaam
23. Op basis van k-waarde bepaling
• K-waarde per 0,2 meter (of welk interval dan ook)
• Ruimtelijk beeld van k-waarde in plat vlak t.o.v. NAP
• Stapeling van ruimtelijke beelden geeft 3D suggestie opbouw ondergrond
• Lagen kunnen worden geïmporteerd in grondwatermodel
• Doel: beperking calibratietijd
• “Realistische” bodemopbouw in model
• Interpretatie ondergrond zoveel mogelijk los koppelen van mening modelleur.
Voetregel invoegen via menu Beeld > Koptekst en voettekst 23
24. Voetregel invoegen via menu Beeld > Koptekst en voettekst 24
K-waarde in vlak op 0,0 [m NAP] tot -0,2 [m NAP]
26. • Data: zitten in BRO, of in eigen organisatie
• Code: bij voorkeur in een Bro-Git (of zelf
maken)
• Kennis: bij voorkeur in huis, inhuur=duur
• Ps: kosten programmatuur: €140 (inclusief
Office). Winpython bijv. is freeware.
• Qgis is eveneens freeware
Voetregel invoegen via menu Beeld > Koptekst en voettekst 26
Data (Bro)
Code
(Py, C, Js etc.)
Kennis
27. Conclusie
1. Er zijn veel data
2. Er is nu de mogelijkheid om de data snel en efficiënt te interpreteren op de eigen laptop
3. Bewerkingen blijven binnen de organisatie (Tenders)
4. Code aanleren is eenvoudig (echt waar!) of eenvoudig uit te wisselen
Door verschillende bewerkingen krijg je nieuwe inzichten, die anders nooit tevoorschijn zouden
komen.
Het antwoord op vragen zit vaak al in de data!
(En wiskunde/statistiek wordt weer leuk)
Voetregel invoegen via menu Beeld > Koptekst en voettekst 27