Aprenentatge automĆ tic i models en enginyeria hidroambiental
Institut FLUMEN
Investigador principal
Ernest BladƩ

Visió general
Recerca
Membres
Projectes
Publicacions
El grup d’Enginyeria Hidrològica i DinĆ mica Fluvial, amb seu al FLUMEN (CIMNE/UPC), realitza recerca avanƧada en hidrĆ ulica i hidrologia fluvial mitjanƧant modelització numĆØrica, experimentació a escala de laboratori i eines de suport a la presa de decisions per a la gestió sostenible del risc de conques fluvials i inundacions.
El Grup de Recerca en DinĆ mica Fluvial i Enginyeria Hidrològica del CIMNE, amb seu a l’Institut FLUMEN del CIMNE i a la Universitat PolitĆØcnica de Catalunya – BarcelonaTech (UPC), realitza recerca avanƧada i transferĆØncia de tecnologia en els camps de la hidrĆ ulica fluvial, la hidrologia i l’enginyeria ambiental.
El grup integra l’experiĆØncia de CIMNE en mĆØtodes numĆØrics amb la sòlida experiĆØncia de FLUMEN en hidrĆ ulica, transport de sediments, modelització d’inundacions i gestió de recursos hĆdrics. Les activitats de recerca combinen simulacions numĆØriques d’alta fidelitat amb proves experimentals a les instalĀ·lacions de laboratori d’Ćŗltima generació de FLUMEN āal costat de la seu del CIMNE al Campus Nord de Barcelona de la UPCā que donen suport a la modelització fĆsica dels cabals fluvials, la dinĆ mica dels sediments i les estructures hidrĆ uliques.
El grup contribueix al desenvolupament de sistemes innovadors de suport a la presa de decisions per a la gestió integrada de les conques hidrogrĆ fiques i la mitigació del risc d’inundacions.
Amb una presĆØncia consolidada tant en dominis acadĆØmics com aplicats, el grup tĆ© un paper de lideratge en l’avanƧ del coneixement i l’oferiment de solucions als reptes del món real en sistemes hĆdrics i ambientals.
Projectes en curs
Projectes finalitzats
Cerca
NotĆcies relacionades

CIMNE experts use Machine Learning to streamline reservoir risk assessment
Researchers at CIMNE's Machine Learning in Civil Engineering Research Group and the Flumen Institute have developed a new machine-learning based tool to classify off-stream reservoirs based on their potential risk of rupture. The work, carried out as part of the...