Συντάχθηκε 13-09-2021 10:18
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 24/09/2021 13:00
Λήξη: 24/09/2021 13:30
ΑΝΑΚΟΙΝΩΣΗ ΠΑΡΟΥΣΙΑΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Όνοματεπώνυμο Φοιτητή: Σπυρόπουλος Φώτιος
Α.Μ.: 2016050044.
Ημερομηνία Παρουσίασης:24/9/2021.
Ώρα:13¨00-13¨30.
Αίθουσα: https://tuc-gr.zoom.us/j/2890432191?pwd=dDFCRUV5d2RyNjh5dVFXUlBSb2RHZz09
Θέμα ΔE «Σταδιακή βαθμονόμηση με βελτίωση των οριακών συνθηκών ενός τρισδιάστατου μοντέλου υπογείων υδάτων (FEFLOW) για τον υπόγειο υδροφορέα Τυμπακίου, Κρήτης»
Title « Modular calibration improving the boundary conditions of a 3D groundwater model (FEFLOW) for the aquifer of Tympaki, Crete, Greece»
Επιβλέπων:Καθηγητής Καρατζάς Γεώργιος
Τριμελής Εξεταστική Επιτροπή:
1 Καθηγητής Καρατζάς Γεώργιος..
2 Καθηγητής Νικολαΐδης Νικόλαος
3 Δρ. Τριχάκης Ιωάννης
Περίληψη:
(Ελληνικά)
Η παρούσα διπλωματική εργασία έχει ως κύριο αντικείμενο μελέτης την βελτίωση ενός μοντέλου ροής υπογείων υδάτων στην περιοχή του Τυμπακίου στην Κρήτη. Σκοπός είναι η μείωση 3 παραμέτρων σφάλματος (Bias, RMSE, MAE) σε σύγκριση με τα αρχικά αποτελέσματα του μοντέλου, έτσι ώστε να αυξηθεί η περιγραφική ικανότητα του μοντέλου. Αυτό επιτυγχάνεται με την προσαρμογή γενικών τάσεων στις οριακές συνθήκες συνημιτονοειδούς μορφής, όπως είχαν τεθεί στην αρχική φάση του μοντέλου, χρησιμοποιώντας δυο διαφορετικές προσεγγίσεις για τον προσδιορισμό τους (Μέσου Όρου, Πλησιέστερου Πηγαδιού). Σε δεύτερη φάση έγιναν χρονικές μετατοπίσεις της φάσης έναρξης της προσομοίωσης και διορθώσεις στο πλάτος μιας οριακής συνθήκης. Ταυτόχρονα έγιναν έλεγχοι συσχέτισης της βροχόπτωσης με τα υδραυλικά ύψη πηγαδιών ώστε να προσδιοριστούν οι χρόνοι αντίδρασης του συστήματος. Η βέλτιστη προσέγγιση αναδείχθηκε αυτή του πλησιέστερου πηγαδιού με βελτίωση του Bias 22,83%, του RMSE 14,88% και του ΜΕΑ 16,08%.Ενώ εξετάζοντας τις καμπύλες προσομοιωμένων τιμών υδραυλικού ύψους πριν την βαθμονόμηση σχέση με τις παρατηρούμενες τιμές, παρατηρείται μια ασυμφωνία μεταξύ τους. Αυτή η ασυμφωνία μετά το πέρας της βαθμονόμησης φαίνεται να έχει μειωθεί σημαντικά. Στην εργασία αυτή παρουσιάζεται μια βιβλιογραφική ανασκόπηση έτσι ώστε να εξακριβωθούν τυχόν αβλεψίες στην αρχική θεώρηση του μοντέλου αλλά και γενικές ιδέες για την κατεύθυνση που θα ακολουθήσει η μεθοδολογία της βαθμονόμησης και εν τέλει γενικές προτάσεις για την εξέλιξη του μοντέλου μετά το τέλος της ανάλυσης. Οι πιο αξιοσημείωτες προτάσεις είναι η χρήση νευρωνικών δικτύων για την παραγωγή μεταμοντέλων ώστε να προσδιορίζονται οι τιμές των οριακών συνθηκών και η προσαρμογή πιο περίπλοκων αναλυτικών εξισώσεων στις οριακές συνθήκες.
Abstract:
(Αγγλικά)
The following thesis deals with the improvement of an existing modelof groundwater flow in the region of Tympaki, Crete. The main goal is the reduction of the three error parametres: Bias, RMSE and MAE in comparison to the initial results of the model, in order to increase the descriptive capacity of the model. This is achieved by implementing trends in the boundary conditions which are described by harmonic equations, as they were formed in the initial phase of the model, by two different approaches (Mean Average, Nearest Well). Thereafter the harmonic equations were temporally dislocated in regard of the phase at the point of the start of the simulation and the width of one boundary condition was corrected. In the meantime, tests regarding the correlation of precipitation with hydraulic heads were conducted so as to define the reaction time of the system. Evidentially, the most fitting approach was the Nearest Well by improving the Bias by 22,38%, the RMSE 14,88% and MAE 16,08% compared to the initial approach. Whereas by examining the curves of the simulated hydraulic heads before the calibration in comparison with the observed hydraulic head values, a dissonance is apparent. After the presented calibration said dissonance is significantly diminished. A literature review is also presented with the goal of uncovering possible oversights in the initial construction of the model and gaining a general idea for the direction the methodology of the calibration will follow and eventually present proposals for further improvement after the end of the present analysis. The most significant proposals are the use of neural networks in order to produce a metamodel that simulates the boundary conditions and the implementation of complex analytical equations describing boundary conditions.
