Dissertation/ Thesis
Modeling sediment transport in rivers and reservoirs using an accelerated model
| Title: | Modeling sediment transport in rivers and reservoirs using an accelerated model |
|---|---|
| Authors: | Dehghansouraki, Danial |
| Thesis Advisors: | Bladé i Castellet, Ernest, Larese De Tetto, Antonia, Escola Tècnica Superior d'Enginyeria de Camins, Canals i Ports de Barcelona |
| Source: | TDX (Tesis Doctorals en Xarxa) |
| Publisher Information: | Universitat Politècnica de Catalunya, 2026. |
| Publication Year: | 2026 |
| Physical Description: | 233 p. |
| Subject Terms: | Sediment Transport, Reservoir Sedimentation, High-Performance Computing (HPC), Artificial Intelligence (AI), 3D Multiphysics Modeling, Riba-roja Reservoir, Àrees temàtiques de la UPC::Enginyeria civil, 624 - Enginyeria civil i de la construcció en general, 626 - Enginyeria hidràulica en general. Nàutica |
| Description: | Tesi en modalitat de compendi de publicacions |
| Description (Translated): | (English) Reservoir sedimentation is a critical, ongoing issue in managing water resources sustainably. While conventional two-dimensional models are computationally efficient, they miss key three-dimensional processes, such as thermal stratification. Three-dimensional models provide a more accurate physical representation but require extensive computational resources, making them impractical for large-scale applications. This research creates a computational framework that combines High-Performance Computing, Artificial Intelligence, and advanced 3D multiphysics simulation to bridge this gap. A two-dimensional hydro-morphodynamic model (R-Iber) was rebuilt for Graphics Processing Units, resulting in computational speed-ups of one to two orders of magnitude. The accelerated model supported training a Deep Neural Network surrogate, enabling a 100,000-run Monte Carlo analysis for robust model calibration and uncertainty quantification. In parallel, a comprehensive three-dimensional multiphysics model was developed in the Kratos framework to simulate the 3D fluid-thermal problem. The integrated approach was used for the Riba-roja reservoir system. It measured how thermal stratification affects sediment trapping efficiency. Results show that combining HPC, AI, and multiphysics modeling leads to practical and actionable methods for sustainable reservoir management. (Català) 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. (Español) La sedimentación en embalses es un problema crítico y continuo en la gestión sostenible de los recursos hídricos. Aunque los modelos bidimensionales (2D) convencionales son computacionalmente eficientes, omiten procesos tridimensionales clave, como la estratificación térmica. Los modelos tridimensionales (3D) proporcionan una representación física más precisa, pero requieren extensos recursos computacionales, lo que los hace imprácticos para aplicaciones a gran escala. Esta investigación desarrolla un marco computacional que combina Computación de Alto Rendimiento (HPC), Inteligencia Artificial (IA) y simulación multifísica 3D avanzada para salvar esta brecha. Un modelo hidromorfodinámico bidimensional (R-Iber) fue reimplementado para Unidades de Procesamiento Gráfico (GPUs), logrando aceleraciones computacionales de uno a dos órdenes de magnitud. El modelo acelerado permitió el entrenamiento de un modelo sustituto (surrogate) basado en Redes Neuronales Profundas (DNN), posibilitando un análisis de Monte Carlo de 100.000 ejecuciones para una calibración robusta del modelo y la cuantificación de la incertidumbre. En paralelo, se desarrolló un modelo multifísico tridimensional completo en el entorno Kratos para para simular el problema fluido térmico tridimensional. El enfoque integrado se aplicó al sistema del embalse de Riba-roja. Se evaluó cómo la estratificación térmica afecta a la eficiencia de atrapamiento de sedimentos. Los resultados demuestran que la combinación de HPC, IA y modelado multifísico conduce a métodos prácticos y aplicables para la gestión sostenible de embalses. DOCTORAT EN ENGINYERIA CIVIL (Pla 2012) |
| Document Type: | Dissertation/Thesis |
| File Description: | application/pdf |
| Language: | English |
| DOI: | 10.5821/dissertation-2117-451917 |
| Access URL: | http://hdl.handle.net/10803/696475 https://dx.doi.org/10.5821/dissertation-2117-451917 |
| Rights: | L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/4.0/ |
| Accession Number: | edstdx.10803.696475 |
| Database: | TDX |
Be the first to leave a comment!