RESUM
La sedimentació als embassaments és un problema crític i continu en la gestió sostenible dels recursos hídrics. Encara que els models bidimensionals (2D) convencionals són computacionalment eficients, ometen processos tridimensionals clau, com ara l’estratificació tèrmica. Els models tridimensionals (3D) proporcionen una representació física més precisa, però requereixen extensos recursos computacionals, fet que els fa inviables per a aplicacions a gran escala. Aquesta recerca desenvolupa un marc computacional que combina Computació d’Alt Rendiment (HPC), Intel·ligència Artificial (IA) i simulació multifísica 3D avançada per a salvar aquesta escletxa.
Un model hidromorfodinàmic bidimensional (R-Iber) es va reimplementar per a Unitats de Processament Gràfic (GPUs), aconseguint acceleracions computacionals d’un a dos ordres de magnitud. El model accelerat va permetre l’entrenament d’un model substitut (surrogate) basat en Xarxes Neuronals Profundes (DNN), possibilitant una anàlisi de Monte Carlo de 100.000 execucions per a una calibració robusta del model i la quantificació de la incertesa. En paral·lel, es va desenvolupar un model multifísic tridimensional complet en l’entorn Kratos per a per simular el problema fluid tèrmic tridimensional.
L’enfocament integrat es va aplicar al sistema de l’embassament de Riba-roja. Es va avaluar com l’estratificació tèrmica afecta l’eficiència d’atrapament de sediments. Els resultats demostren que la combinació d’HPC, IA i modelatge multifísic condueix a mètodes pràctics i aplicables per a la gestió sostenible d’embassaments.
Directors de tesi:
- Prof Ernest Bladé
- Prof Antonia Larese
DOCTORAND
Danial Dehghan és un doctorand en enginyeria civil al clúster de recerca en Aprenentatge automàtic i models en enginyeria hidroambiental del CIMNE.