افزایش دقت شبیه سازی کیفیت آب توسط پژوهشگران دانشگاه تهران

به گزارش خبرگزاری صدا و سیما، پژوهشگران حوزه مهندسی و مدیریت منابع آب دانشگاه تهران، با توسعه رویکردی نوین مبتنی بر داده گواری (Data Assimilation) و به روزرسانی پویای پارامتر های مدل، موفق شدند دقت شبیه سازی کیفیت آب در یک مخزن عمیق و لایه بندی شده را به میزان قابل توجهی افزایش دهند.

دکتر رضا کراچیان، استاد دانشکده مهندسی عمران دانشکدگان فنی دانشگاه تهران، در تشریح این پژوهش گفت: «مدل های پیچیده شبیه سازی کیفیت آب، به ویژه در مخازن عمیق و لایه بندی شده، با چالش هایی از جمله عدم قطعیت پارامترها، دشواری واسنجی و تغییرپذیری فرآیند های فیزیکی و شیمیایی در طول زمان مواجه اند. استفاده از پارامتر های ثابت در چنین شرایطی می تواند توانایی مدل را در بازنمایی دقیق رفتار واقعی مخزن کاهش دهد.

وی افزود: در این پژوهش، با بهره گیری از رویکرد داده گواری و استفاده از فیلتر کالمن گروهی (Ensemble Kalman Filter)، چهارچوبی خودکار، تطبیقی و مبتنی بر عدم قطعیت برای واسنجی پویای پارامتر های مدل شبیه سازی کیفیت آب مخزن ارائه شد. این روش با استفاده از داده های مشاهده ای مبتنی بر سنجش از دور، امکان به روزرسانی پارامتر های مدل در طول زمان را فراهم می کند و به مدل اجازه می دهد خود را با تغییرات شرایط محیطی و فرآیند های حاکم بر مخزن تطبیق دهد.

دکتر کراچیان ادامه داد: این رویکرد در مخزن سد وادی ضیقه در کشور عمان ارزیابی شد و عملکرد آن در شبیه سازی دو متغیر کلیدی، یعنی دما و اکسیژن محلول، مورد بررسی قرار گرفت. نتایج نشان داد که پارامترسازی وابسته به زمان، در مقایسه با استفاده از پارامتر های ثابت، عملکرد مدل را به طور محسوسی بهبود می دهد؛ به گونه ای که خطای ریشه میانگین مربعات شبیه سازی نیم‏رخ اکسیژن محلول 43 درصد و به طور همزمان نیمرخ دما 16.8 درصد کاهش یافت.

این پژوهش توسط دکتر رضا کراچیان، دکتر محمدرضا نیکو، دکتر صادق وندا و فرناز سادات شاهی از پژوهشگران حوزه مهندسی منابع آب انجام شده است و تاکنون بخشی از نتایج آن در مجله معتبر بین المللی Water Research با ضریب تأثیر 12.8 منتشر شده است.

به گفته این پژوهشگران، به روزرسانی پویای پارامتر های مدل علاوه بر افزایش توانایی آن در سازگاری با تغییرات شرایط مخزن، می تواند تا حدی اثر فرآیند های مفقود، ساده سازی شده یا به طور ناکافی بازنمایی شده در ساختار مدل را نیز جبران کند. از این رو، استفاده از پارامتر های پویا و قابل تطبیق می تواند به افزایش قابلیت اعتماد شبیه سازی های کیفیت آب و پشتیبانی از مدیریت و بهره برداری هوشمندانه تر از مخازن سد ها در شرایط محیطی و اقلیمی در حال تغییر کمک کند.