Czy sterowanie retencją może być samoadaptacyjne?

Nowością proponowanego rozwiązania jest zastosowanie uczenia maszynowego do prognozowania dopływu wód opadowych i automatycznego sterowania pojemnością retencyjną w czasie rzeczywistym. Pozwala to szybciej reagować na zmieniające się warunki opadowe, ograniczać ryzyko przeciążenia kanalizacji i lokalnych podtopień oraz lepiej wykorzystywać dostępną objętość zbiornika. System może być wstępnie uczony na danych syntetycznych, a następnie samoadaptować się na podstawie rzeczywistych zdarzeń opad–odpływ, bez konieczności stałego nadzoru specjalistów.
Rozwiązanie jest przeznaczone dla lokalnych, podziemnych systemów retencji, które mogą współpracować z istniejącymi obiektami lub być realizowane jako nowe instalacje. Zgromadzona woda może być wykorzystywana do nawadniania terenów zielonych oraz do celów przeciwpożarowych. Zbiorniki podziemne oszczędzają przestrzeń, ograniczają parowanie i chronią wodę przed dostępem światła, zmniejszając rozwój organizmów oraz pogorszenie jej jakości charakterystyczne dla zbiorników otwartych.
Lokalny charakter systemu ogranicza potrzebę integracji z dużą infrastrukturą wodociągową i ułatwia jego etapowe wdrażanie. Rozwiązania tego typu są planowane jako przyszły standard inteligentnego zarządzania wodami opadowymi. Prezentacja ma zachęcić samorządy, inwestorów i projektantów do ich zastosowania w projektach pilotażowych w ramach doktoratu wdrożeniowego – realizowanego przy współpracy Uniwersytetu Przyrodniczego we Wrocławiu oraz Amiblu Poland oraz przy wsparciu Ministerstwa Nauki i Szkolnictwa Wyższego.

Zwolennik nowoczesnych rozwiązań wspierających ochronę środowiska oraz racjonalne gospodarowanie zasobami naturalnymi. Entuzjasta wykorzystania metod uczenia maszynowego w inżynierii.
Współuczestniczył w opracowywaniu rozwiązań Amiblu związanych z retencją wód opadowych. Obecnie, w ramach doktoratu realizowanego na Uniwersytecie Przyrodniczym we Wrocławiu, rozwija rozwiązania z zakresu automatyki i zarządzania sieciami kanalizacyjnymi z wykorzystaniem modeli sieci neuronowych.
Ekspert Grupy Amiblu w dziedzinie technologii przeciskowych i mikrotunelowania. Kieruje zespołem odpowiedzialnym za prace inżynieryjne oraz zarządzanie projektami związanymi z budową głównych obiegów chłodzących dla elektrowni w Ostrołęce, Grudziądzu, Adamowie i Gdańsku. Prowadzi zespół inżynierów Amiblu odpowiedzialnych za wdrażanie wyrobów na bazie GRP w Europie Środkowo-Wschodniej. Posiada również kilkuletnie doświadczenie w zakresie technologii naprawy i zabezpieczania konstrukcji betonowych w sektorze inżynierii środowiska.