بزرگنمايي:

سیاست و بازاریابی - ایسنا / پژوهشگران دانشگاه تهران دقت شبیه‌سازی کیفیت آب در یک مخزن عمیق و لایه‌بندی‌شده را به میزان قابل‌توجهی افزایش دادند.
پژوهشگران حوزه مهندسی و مدیریت منابع آب دانشگاه تهران، با توسعه رویکردی نوین مبتنی بر داده‌گواری (Data Assimilation) و به‌روزرسانی پویای پارامترهای مدل، موفق شدند دقت شبیه‌سازی کیفیت آب در یک مخزن عمیق و لایه‌بندی‌شده را به میزان قابل‌توجهی افزایش دهند.
رضا کراچیان، استاد دانشکده مهندسی عمران دانشکدگان فنی دانشگاه تهران، در تشریح این پژوهش گفت: مدل‌های پیچیده شبیه‌سازی کیفیت آب، به‌ویژه در مخازن عمیق و لایه‌بندی‌شده، با چالش‌هایی از جمله عدم‌قطعیت پارامترها، دشواری واسنجی و تغییرپذیری فرآیندهای فیزیکی و شیمیایی در طول زمان مواجه‌اند. استفاده از پارامترهای ثابت در چنین شرایطی می‌تواند توانایی مدل را در بازنمایی دقیق رفتار واقعی مخزن کاهش دهد.
وی افزود: در این پژوهش، با بهره‌گیری از رویکرد داده‌گواری و استفاده از فیلتر کالمن گروهی (Ensemble Kalman Filter)، چارچوبی خودکار، تطبیقی و مبتنی بر عدم‌قطعیت برای واسنجی پویای پارامترهای مدل شبیه‌سازی کیفیت آب مخزن ارائه شد. این روش با استفاده از داده‌های مشاهده‌ای مبتنی بر سنجش از دور، امکان به‌روزرسانی پارامترهای مدل در طول زمان را فراهم می‌کند و به مدل اجازه می‌دهد خود را با تغییرات شرایط محیطی و فرآیندهای حاکم بر مخزن تطبیق دهد.
کراچیان ادامه داد: این رویکرد در مخزن سد وادی ضیقه در کشور عمان ارزیابی شد و عملکرد آن در شبیه‌سازی 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 پارامترهای ثابت، عملکرد مدل را به‌طور محسوسی بهبود می‌دهد؛ به‌گونه‌ای که خطای ریشه میانگین مربعات شبیه‌سازی نیم‏رخ اکسیژن محلول ۴۳ درصد و به طور همزمان نیمرخ دما ۱۶.۸ درصد کاهش یافت.
این پژوهش توسط رضا کراچیان، محمدرضا نیکو، صادق وندا و فرناز سادات شاهی از پژوهشگران حوزه مهندسی منابع آب انجام شده است و تاکنون بخشی از نتایج آن در مجله معتبر بین‌المللی Water Research با ضریب تأثیر ۱۲.۸ منتشر شده است.
به گفته این پژوهشگران، به‌روزرسانی پویای پارامترهای مدل علاوه بر افزایش توانایی آن در سازگاری با تغییرات شرایط مخزن، می‌تواند تا حدی اثر فرآیندهای مفقود، ساده‌سازی‌شده یا به‌طور ناکافی بازنمایی‌شده در ساختار مدل را نیز جبران کند. از این رو، استفاده از پارامترهای پویا و قابل‌تطبیق می‌تواند به افزایش قابلیت اعتماد شبیه‌سازی‌های کیفیت آب و پشتیبانی از مدیریت و بهره‌برداری هوشمندانه‌تر از مخازن سدها در شرایط محیطی و اقلیمی در حال تغییر کمک کند.
بر اساس اعلام دانشگاه تهران، این مقاله با عنوان Time-Varying Parameterization of a Reservoir Water Quality Model Using Data Assimilation در مجله Water Research منتشر شده است.