De resultaten bieden concrete handvatten voor toepassingen in onder meer klimaatonderzoek, energienetwerken en autonome systemen.
Slim omgaan met onzekere informatie
In veel sectoren – van weersvoorspelling tot technische systemen – worden voorspellingen gebaseerd op wiskundige modellen. Die modellen beschrijven hoe een systeem zich ontwikkelt, maar zijn in werkelijkheid nooit perfect. Tegelijkertijd zijn sensorgegevens vaak ruisgevoelig, onvolledig of onregelmatig beschikbaar.
Abedini richtte zich op de vraag hoe je onder zulke omstandigheden toch betrouwbare voorspellingen kunt doen. Dit proces, bekend als data-assimilatie, draait om het combineren van theorie en metingen tot één zo nauwkeurig mogelijk beeld van de werkelijkheid.
Zij maakt de vergelijking met een LEGO-set waarvan de handleiding deels ontbreekt: je kunt niet alleen op de instructies vertrouwen, maar moet ook kijken naar de beschikbare stukjes en andere voorbeelden om tot de juiste constructie te komen.
Betrouwbare voorspellingen onder realistische omstandigheden
De belangrijkste uitkomst van het onderzoek is dat voorspellingen verrassend robuust kunnen zijn, zelfs wanneer data gebrekkig is. Abedini laat zien dat systemen de werkelijkheid goed kunnen blijven volgen, ook wanneer gegevens ruis bevatten of deels ontbreken. Daarnaast blijkt dat het combineren van verschillende databronnen de nauwkeurigheid kan verbeteren, mits dit op de juiste manier gebeurt. Een cruciale rol is daarbij weggelegd voor de frequentie waarmee tussen databronnen wordt gewisseld: die bepaalt in sterke mate hoe stabiel en betrouwbaar de voorspellingen zijn. Opvallend is ook dat het mogelijk blijkt om vooraf in te schatten hoe nauwkeurig een voorspelling zal zijn.
Directe impact op technologie en maatschappij
De bevindingen hebben brede maatschappelijke relevantie. In veel moderne toepassingen moeten beslissingen worden genomen op basis van onvolledige informatie, zoals bij autonome voertuigen die hun omgeving continu analyseren, energienetwerken die vraag en aanbod in balans houden, draadloze sensornetwerken in slimme steden en systemen voor klimaat- en milieumonitoring.
Het onderzoek van Abedini laat zien dat de manier waarop sensoren worden ingezet – en hoe vaak tussen verschillende informatiebronnen wordt gewisseld – directe invloed heeft op de kwaliteit van voorspellingen. Dat is vooral belangrijk in systemen waar data niet continu beschikbaar is, bijvoorbeeld door beperkingen in batterijcapaciteit of bandbreedte.
Richtlijnen voor efficiëntere systemen
Voor ingenieurs bieden de resultaten concrete richtlijnen. Zo blijkt dat te weinig schakelen tussen databronnen de nauwkeurigheid kan verminderen, terwijl een goed gekozen schakelfrequentie juist zorgt voor stabielere en betere voorspellingen.
In praktische toepassingen, zoals milieumonitoring met batterijgevoede sensoren, kan hiermee worden bepaald hoe vaak sensoren actief moeten zijn om zowel energie te besparen als betrouwbare informatie te leveren.
De inzichten zijn direct toepasbaar in algoritmen voor robotica, slimme infrastructuur en klimaatmodellen. Daarmee dragen ze bij aan efficiëntere en robuustere systemen – een belangrijke stap in een samenleving die steeds afhankelijker wordt van data, terwijl middelen beperkt blijven.
Nazanin Abedini verdedigt haar proefschrift 7 mei aan de Vrije Universiteit Amsterdam.