I dette projekt er der opbygget et komplet varslingssystem der, ved brug af sensordata, kan varsle om forringet badevandskvalitet i Aarhus Havn. De nuværende metoder til analyse af bakteriekoncentrationer i badevand er ikke egnede til at varsle om forringet badevandskvalitet grundet lang opformeringstid for prøverne på mindst 24 timer. Den lange opformeringstid, kombineret med generelt dårlig vandkvalitet i havnen, medfører et behov for et varslingssytem.

Med en statistisk tilgang er der undersøgt hvilke parametre der er egnede indikatorer for badevandskvalitet. Det konkluderes herudfra, at den bedste indikator er vandets elektriske ledningsevne. Dette skyldes, at den primære kilde til fækal forurening af havnen er Aarhus Å, der har sit udløb i havnen. Aarhus Å er belastet af en lang række regnbetingede udløb fra fælleskloak og udledninger fra renseanlæg. Den elektriske ledningsevne kan derfor benyttes som tracer for hvor stor en andel af forurenet ferskvand, der er tilstede der, hvor der måles. Der er opbygget en eksponentiel model for sammenhængen mellem bakteriekoncentration og ledningsevne, der viser en høj præcision. Præcisionen er forbedret ved at inddrage nedbørsmængder og -intesiteter i en ny model baseret på machine learning. Foruden de forbedrede prædiktionsresultater resulterer den nye model i en markant reduktion i antallet af dage, hvor badeområde skal lukkes.

Til at fuldende varslingssystemet er der udviklet en målestation til at monitere ledningsevnen. Formålet med den nye målestation er at løse et problem med uønsket algevækst på sensoren. Dette problem er løst ved at placere sensoren i et kammer, der kan tømmes for vand ved brug af trykluft.