Scriptiebank overzicht

In deze thesis onderzoek ik wat het effect van klimaatverandering is op het voorkomen van regenoverstromingen. Dat zijn overstromingen die ontstaan doordat de neerslag té intens is voor de bodem en de riolering om alles te slikken, en dus niet omdat een rivier buiten haar oevers treedt.

De effecten van klimaatverandering op regenoverstromingen zijn nog niet eerder op wereldschaal onderzocht, omdat modellen vaak berusten op lokale bodemkarakteristieken, vegetatiekenmerken, enzovoort. Ik omzeil het probleem van zulke beschrijvende modellen door artificiële intelligentie (AI) in te zetten: in plaats van alle processen (zoals infiltratie, verdamping, enzovoort) expliciet te gaan beschrijven met formules, laat ik het model de relatie zoeken tussen omgevingskarakteristieken en geobserveerde overstromingen. Die observaties zijn gebaseerd op satelietbeelden.

Mijn model werkt oké, maar zeker nog niet perfect. Het ziet bepaalde verbanden, zoals lager gelegen plaatsen die doorgaans natter zijn en bossen die doorgaans minder overstromen, hetgeen betekent dat het model effectief iets leert. De grootste problemen zitten hem voorlopig nog in het modelleren van de omvang van de overstroming. Het model heeft de neiging om steeds een gemiddelde waarde te voorspellen, in plaats van bij zeer hevige neerslag een écht grote overstroming te voorspellen.

Toch heb ik het model alvast eens gebruikt om de impact van klimaatverandering op regenoverstromingen in te schatten. Dat doe ik door het geobserveerde klimaat van een bepaalde periode in het model in te laden en het zijn voorspellingen te laten doen. Vervolgens laadt ik een fictief klimaat in dat een wereld zonder klimaatverandering voorstelt, en laat het model opnieuw zijn voorspellingen maken. Het verschil tussen beide modelruns vertelt mij het effect van de klimaatverandering. In dit geval vind ik een toename van 0,5% terug. Dat is een waarde die een stuk lager ligt dan verwacht, wat wellicht te wijten is aan de beperkingen van het model. Wel zien we grote regionale verschillen, waarbij delen van Noord- en Midden-Amerika, Noord-Europa en Oost-Azië véél zwaarder getroffen worden dan het globale gemiddelde.

‘Het besparingspotentieel van een Energie Management Systeem (EMS)’
Student: Walter D’Amico – AP Hogeschool Antwerpen
Stageplaats: VEKA – Vlaams Energie- en Klimaatagentschap
Opleiding: Professionele bachelor Energiemanagement (2024-2025)
In een energiemarkt gekenmerkt door prijsschommelingen, capaciteitsheffingen en digitalisering, worden huishoudens en KMO’s uitgedaagd om hun verbruik slimmer te beheren. Energie Management Systemen (EMS’en) vormen hierbij een sleuteltechnologie: ze sturen het verbruik automatisch op basis van realtime prijs- en netdata. Toch blijft de rendabiliteit ervan voor veel gebruikers onduidelijk. Deze bachelorproef brengt daar verandering in.
Ik ontwikkelde een interactieve rekenmodule die op basis van gebruikersinput – zoals woningtype, toestellen, gedrag en contractvorm – de Total Cost of Ownership (TCO) en de Terugverdientijd (TVT) van een EMS berekent. Via Google Sheets en Apps Script wordt automatisch een gepersonaliseerd rapport gegenereerd, inclusief scenariovergelijking, besparingsgrafieken en benchmarkanalyse.
De tool werd ontworpen met reproduceerbare logica, gevoeligheids- en correctiefactoren, en werd getest op meer dan 550 realistische scenario’s. De resultaten tonen dat voor gebruikers met meerdere regelbare toestellen en een dynamisch of een contract bij een Flexibility Service Provider of aggregator, de jaarlijkse besparing kan oplopen tot honderden euro’s, met een gemiddelde terugverdientijd van net boven de 5 jaar. Daartegenover staan profielen waar de investering minder loont – wat de nood aan maatwerk aantoont.
Het project is technisch en beleidsmatig relevant. VEKA gaat deze rekenmodule zeker verder bespreken om te integreren in de website www.maakjemeterslim.be en zal dan worden ingezet in campagnes van VEKA als extra stimulans om potentiële gebruikers te overtuigen. Daarnaast is het inzetbaar als simulatie-instrument bij energieloketten, netbeheerders of leveranciers die contractoptimalisatie en flexibiliteitsdiensten willen ondersteunen. De methodiek is uitbreidbaar naar andere technologieën (zoals warmtepompen of batterijen) en types aansluitingen (zoals AMR).
Deze bachelorproef koppelt praktijkervaring, innovatie en systeeminzicht met een breed maatschappelijk nut. Het biedt gebruikers helderheid, en beleidsmakers een onderbouwde basis om het potentieel van EMS’en gericht te stimuleren in het kader van de energietransitie.

Breuken vormen een fundamenteel onderdeel van het curriculum in het basis- en secundair onderwijs. Toch blijkt uit onderzoek dat mensen meer moeilijkheden ervaren met het begrijpen van de numerieke grootte van breuken, in vergelijking met natuurlijke en decimale getallen. Dit heeft geleid tot verder onderzoek naar hoe leerlingen breuken begrijpen en welke strategieën zij daarbij gebruiken. Zo onderzocht Hofmans (2022) het strategiegebruik bij het schatten van breuken op een getallenlijn van leerlingen uit het zesde leerjaar met verschillende wiskundige competenties. Zij maakte daarbij gebruik van de Number Line Estimation (NLE)-taak, waarbij leerlingen verschillende breuken op een getallenlijn van 0 tot 1 moesten plaatsen. Daarnaast ontwikkelde ze een codeerschema waarmee ze het strategiegebruik systematisch kon coderen en analyseren in relatie tot item- en leerlingkenmerken. In dit driedelig codeerschema werd elke trial eerst globaal beoordeeld als ‘correct’, ‘inaccuraat’ of ‘rest’. Het schatten van de breuk werd vervolgens opgesplitst in drie stappen, namelijk ‘encoderen’, ‘positioneren’ en ‘finaliseren’.
Hoewel Hofmans (2022) aantoonde dat de strategiekeuze en adaptief strategiegebruik samenhingen met de schattingsnauwkeurigheid, beperkte haar studie zich enkel tot leerlingen uit het zesde leerjaar. Hierdoor werd niet duidelijk in hoeverre onderwijsniveau of expertise een invloed uitoefende op het strategiegebruik en de schattingsfouten.
Het huidig onderzoek vergeleek daarom leerlingen uit het zesde leerjaar en vijfde middelbaar. Er werd via een gelijkaardig onderzoeksopzet nagegaan hoe deze onderwijsniveaus verschilden in hun strategiegebruik en adaptiviteit en welk effect dit had op hun schattingsfouten. Hierbij werd er gebruikgemaakt van hetzelfde codeerschema, mits enkele aanpassingen, en de NLE-taak. De nauwkeurigheid van de schattingen van de leerlingen werd berekend door middel van de Percentage of Absolute Error (PAE).
Er werd onderzocht welke strategieën leerlingen hanteerden, hoe accuraat en hoe flexibel deze werden toegepast en in welke mate die samenhingen met leerling- of itemkenmerken. Er werd gekeken naar de algemene schattingsfout bij het positioneren van breuken op een getallenlijn en naar de verschillen in strategiegebruik en nauwkeurigheid tussen leerlingen uit verschillende onderwijsniveaus. Daarnaast werd onderzocht of er verschillen optraden in de nauwkeurigheid van de schattingen op leerling- en itemniveau. Ook de relatie tussen de strategiediversiteit van een leerling en diens onderwijsniveau werd geanalyseerd in relatie tot de schattingsnauwkeurigheid. Tot slot werd nagegaan of bepaalde itemkenmerken specifieke strategieën uitlokten en of dit leidde tot een grotere nauwkeurigheid in de schatting. Zo werd het adaptief strategiegebruik van leerlingen uit verschillende onderwijsniveaus in kaart gebracht worden.
Samenvattend toonden de resultaten aan dat zowel het onderwijsniveau als het strategiegebruik een rol spelen bij het accuraat schatten van breuken op een getallenlijn. Leerlingen uit het vijfde middelbaar schatten over het algemeen nauwkeuriger dan leerlingen uit het zesde leerjaar. Dit verschil leek eerder samen te hangen met het strategiegebruik binnen de stap ‘positioneren’ dan met ‘encoderen’ of ‘finaliseren’. Daarnaast bleek dat itemkenmerken, zoals de noemergrootte en de ligging ten opzichte van referentiepunten, het strategiegebruik en de schattingsnauwkeurigheid sterk beïnvloedden.

Deze masterproef onderzoekt hoe batterijsystemen optimaal kunnen worden aangestuurd in een context van dynamische elektriciteitsprijzen en het Belgische capaciteitstarief. De focus ligt op industriële verbruikers, waarbij gestreefd wordt naar het minimaliseren van de totale energiekost.
Een nieuw Rolling Horizon Linear Programming (RHLP)-algoritme werd ontwikkeld en
vergeleken met een eenvoudig heuristisch basisalgoritme. Het RHLP-algoritme gebruikt PV-opbrengst, dynamische prijzen en verbruiksvoorspellingen op basis van Extreme Gradient Boosting (XGBoost) om de laad- en ontlaadbeslissingen te optimaliseren over een tijdshorizon van 48 uur. Deze horizon schuift mee met de tijd (rolling
horizon), waarbij de optimalisatie om de 15 minuten wordt herhaald. De PV-opbrengst
werd in de standaardconfiguratie benaderd via werkelijke historische waarden.
De algoritmes werden geëvalueerd aan de hand van uitgebreide simulaties op reële
verbruiksprofielen en historische Belpex-prijsdata. De resultaten tonen aan dat onder
de juiste omstandigheden het RHLP-algoritme tot 20% kostenbesparing kan realiseren
in vergelijking met het basisalgoritme.
Nacht- en weekendverbruik bleek een bepalende factor in de behaalde optimalisatiewinst, wat duidt op een duidelijke invloed van het verbruiksprofiel op het prestatiepotentieel van het algoritme. Daarnaast bleken ook parameters zoals batterijcapaciteit
en prijsschommelingen op de markt van doorslaggevend belang voor de gerealiseerde
resultaten.
Dit onderzoek toont aan dat batterijsturing op basis van verbruiksvoorspellingen via
lineaire optimalisatie kostenbesparingen kan opleveren.

De scriptie test de koppeling uit van een CME simulatiemodel met verschillende voorspellingsmodellen voor geomagnetische indices. Voor de resultaten hiervan worden dan verschillende statistische maatstaven berekend om te kwantificeren hoe goed de voorspellingen zijn na deze koppeling.

This policy report thesis explores the evolution of Anticipatory Action since its inception, tracing the roots from early pilot projects led by the German Red Cross in 2013 to the current usage across multiple countries. The research delves into the complexities of this approach, examining how it has been implemented, the lessons learned, and the potential for scaling up this initiative to ensure they become integral components of national disaster risk management frameworks.

The research identifies key trends in AA plans, highlighting the shift from small-scale pilot projects to more sustainable and widespread implementations. However, it also uncovers continuous challenges, including funding limitations, coordination issues among stakeholders, and the technical complexities linked with accurate forecasting.

Ik heb een ruimtespectrometer ontworpen voor het monitoren van klimaatverandering die betere prestaties levert dan de state-of-the-art in elk domein. De omvang is 90 keer kleiner, waardoor de satelliet in één CubeSat-eenheid past. De ruimtelijke resolutie is beter (<5 km) voor een swathbreedte van 1000 km groter voor een totaal van 3700 km. En het geanalyseerde spectrum is veel groter.

Solar power forecasting is essential for optimizing energy use in residential households.
Machine learning models are promising for this power forecasting because they can
capture its non-linear characteristics. Nonetheless, these models require a significant
amount of data that is unavailable for new installations. To overcome the limited
data availability, this thesis proposes a transfer learning model using Long ShortTerm Memory (LSTM) networks trained on synthetic photovoltaic (PV) generation
provided by the Photovoltaic Geographical Information System. Using the metadata
about a PV installation, this synthetic data simulates the past production of the
new PV installation. The model utilizes Numerical Weather Predictions (NWP)
and autoregressive covariates. This proposed model is compared to benchmarks,
including models trained only on sites’ actual PV power, physical models, and TL
models with no weather covariates.
The research investigates the effect of physics-informed variables on the accuracy
of transfer learning. Furthermore, it examines the usage of reanalysis data to train
with synthetic PV data due to the low accessibility of historical Numerical Weather
Prediction output. Walk-forward validation is employed for forecasting the actual
PV power to simulate real-life conditions and the impact of increasing target data.
The results demonstrate that models trained with historical Numerical Weather
Prediction data achieve higher zero-shot forecasting accuracy. Contrary to expectations, including physics-informed variables did not enhance performance; in fact,
it showed a slight decrease. Additionally, models trained on reanalysis data catch
up with those trained on historical NWP data once limited target data becomes
available.
Discussion highlights include the impact of Storm Darcy in February 2021, which
caused instability in machine learning models and the suitability of other ML models.
The proposed LSTM-based transfer learning model can provide accurate forecasts
even with no or limited actual PV power data, proving its potential for practical
applications in solar power forecasting for residential households.

Teamreflexiviteit – het vermogen van teams om gezamenlijk na te denken over doelen, strategieën en werkwijzen – kan bijdragen aan betere samenwerking en het voorspellen van teamdynamiek.

Door middel van Bayesiaanse statistiek, een statistische methode die onzekerheden in kaart brengt en voorspellingen mogelijk maakt, kunnen wetenschappers inzicht krijgen in hoe teamreflexiviteit zich ontwikkelt tijdens de levenscyclus van een project. Het onderzoek toont aan dat dit proces niet lineair verloopt, maar een bergparabolische vorm heeft, met pieken rondom deadlines en evaluatiemomenten. Elk aspect van teamreflexiviteit – zoals het stellen van doelen of evalueren van werkwijzen en sociale interacties – kent een eigen ontwikkelingspatroon, waarbij sommige vroeg pieken en andere later in het proces.

Uit het longitudinale onderzoek van 12 projectteams blijkt bovendien dat teams onderling sterk verschillen in hun reflexieve ontwikkeling. Dit onderzoek biedt organisaties de mogelijkheid om interventies beter te timen en teamprestaties te optimaliseren, een waardevol hulpmiddel voor succesvolle teams.

Sedentair gedrag ofwel te lang onafgebroken stilzitten is mede door de technologisering een groot probleem geworden in Vlaanderen. Ik heb onderzocht of ik met de app TikTok het sedentair gedrag van jongeren op school kon doorbreken. Dit deed ik door het maken van een TikTok account waarop ik zelf bewegingsvideo’s plaatste.

Door het uitvoeren van "klassieke" computerprogramma's op GPUs – de processor die normaal dient voor het aansturen van je beeldscherm – kan het gebruik van een gewone computer een stuk efficienter worden gemaakt.

Deze masterthesis presenteert voor het eerst een garbage collector voor GPUs naar analogie met garbage collectors voor CPUs. Dit toont aan dat moderne programmeertalen ook op GPUs uitgevoerd kunnen worden.

Data van (blauw)groene daken uit Antwerpen laten toe om met een zelf ontwikkeld groendakmodel simulaties uit te voeren voor de ganse stad Antwerpen. Het slim aansturen van groendaken met buffers (blauwgroen) via weersvoorspellingen maakt de daken veel effectiever tegen wateroverlast en tegen hitte, zo blijkt uit de simulaties.

Huidige EPB-nomen en isolatieklassen zorgen voor een lager energieverbruik. Maar wat ook belangrijk is, is dat er zorgvuldig omgegaan wordt met de geproduceerde energie. Door ontwerp van een slimme sturing kan het gebouw anticiperen op weersvoorspellingen en zo het energieverbruik doen zakken.

Het stedelijk hitte-eiland van Gent werd bestudeerd aan de hand van geobserveerde data van het MOCCA meetnetwerk en modelleer data.

In deze scriptie werd een ecofysiologisch tarwemodel gebouwd dat de waterbalans in de plant onder droge condities simuleert. Ter illustratie van de kracht van het model, werd een tarwe plant onderworpen aan droogtestress en vergeleken met een controle plant. De gesimuleerde variabelen werden vergeleken met het resultaat van een proteoom analyse om te zien of deze gegevens in de toekomst in het model geïntegreerd kunnen worden.

h1 { margin-bottom: 0.21cm; }h1.western { font-family: "Liberation Sans",sans-serif; font-size: 18pt; }h1.cjk { font-family: "Droid Sans Fallback"; font-size: 18pt; }h1.ctl { font-family: "FreeSans"; font-size: 18pt; }p { margin-bottom: 0.25cm; line-height: 120%; }
Hoe bescherm je iemand die blindelings bevelen moet opvolgen?  Stel je voor: je wil technisch ingestelde mensen, die je online-platform gebruiken, de mogelijkheid bieden om zelf extra logica te gaan toevoegen.

De voorspelbaarheid van de PukkelpopstormDe ramp tijdens het Pukkelpopfestival van 2011 ligt al een tijdje achter ons, maar de hevigheid en de gevolgen van die storm waren dermate groot, dat er nog steeds onderzoek wordt gevoerd naar de meteorologische condities van die gebeurtenis. In deze scriptie werd onderzocht in hoeverre het mogelijk is de Pukkelpopstorm te voorspellen met de huidige weermodellen.

 
De botten van Sabine Hagedoren
 
Ooit al eens iets gebroken? Dan herinner je je vast nog de pijn, het gips en vooral het lange genezingsproces. In 10 procent van de gevallen geneest de breuk echter niet…
Wat dan? Gelukkig is er sinds enkele jaren een wetenschap ontstaan tussen geneeskunde en ingenieurswetenschappen. Artsen en ingenieurs bundelen hun kennis en samen proberen zij nieuw weefsel te maken wanneer het lichaam dat niet meer zelf kan.
 
Weefselengineering
Het menselijk skelet bestaat uit wel 206 botten die het lichaam ondersteunen en ervoor zorgen dat we kunnen bewegen.

700 doden, een half miljoen daklozen, meer dan 25 miljard euro schade, ... Dat is de harde realiteit na meer dan 100 zware overstromingen in Europa tussen 1998 en 2004. Bovendien is het aantal overstromingen wereldwijd de laatste decennia significant toegenomen ondanks de huidige technologische mogelijkheden.