کاهش ۴۳ درصدی خطای شبیه‌سازی اکسیژن محلول در مخزن سد توسط پژوهشگران دانشگاه تهران

دقت بی‌سابقه در شبیه‌سازی کیفیت آب مخازن عمیق

پژوهشگران برجسته دانشگاه تهران موفق شدند با ابداع یک رویکرد علمی نوین، دقت پیش‌بینی پارامترهای حیاتی کیفیت آب در مخازن عمیق و لایه‌بندی‌شده را به طرز چشمگیری افزایش دهند. این دستاورد که بر پایه فناوری داده‌گواری (Data Assimilation) استوار است، می‌تواند مدیریت منابع آب را در مواجهه با تغییرات اقلیمی متحول کند.

غلبه بر چالش‌های مدل‌سازی با روش داده‌گواری

مدل‌های سنتی شبیه‌سازی کیفیت آب در مخازن بزرگ، همواره با مشکلاتی نظیر عدم‌قطعیت در پارامترها و دشواری در واسنجی فرآیندهای فیزیکی و شیمیایی روبرو بوده‌اند. استفاده از پارامترهای ثابت در این مدل‌ها، توانایی آن‌ها را در بازنمایی واقعیت‌های متغیر محیطی به شدت کاهش می‌داد.

«استفاده از پارامترهای ثابت در مخازن عمیق، باعث می‌شود مدل نتواند رفتار واقعی و تغییرات لحظه‌ای مخزن را به درستی نشان دهد.»

در این پژوهش، تیم تحقیقاتی با بهره‌گیری از فیلتر کالمن گروهی (Ensemble Kalman Filter)، چارچوبی خودکار و تطبیقی ایجاد کردند. این سیستم با استفاده از داده‌های حاصل از سنجش از دور، امکان به‌روزرسانی پویای پارامترها را فراهم می‌کند تا مدل بتواند خود را با شرایط محیطی جدید هماهنگ سازد.

نتایج آزمایش در سد وادی ضیقه و کاهش خطای محاسباتی

برای ارزیابی این فناوری، پژوهشگران از مخزن سد وادی ضیقه در کشور عمان استفاده کردند. نتایج به‌دست‌آمده نشان داد که جایگزینی پارامترهای ثابت با پارامترهای متغیر و وابسته به زمان، عملکرد مدل را به شکلی خیره‌کننده بهبود بخشیده است.

این دستاورد علمی که توسط دکتر رضا کراچیان و همکاران وی حاصل شده، در مجله معتبر بین‌المللی Water Research با ضریب تأثیر ۱۲.۸ منتشر شده است. این روش نوین نه تنها دقت را بالا می‌برد، بلکه اثر فرآیندهای مفقود یا ساده‌سازی شده در مدل‌های قدیمی را نیز جبران می‌کند.

نتیجه‌گیری و چشم‌انداز مدیریت منابع آب

به‌کارگیری این روش نوین در شبیه‌سازی کیفیت آب، گامی بلند به سوی مدیریت هوشمندانه مخازن سد در دوران تغییرات اقلیمی است. افزایش قابلیت اعتماد مدل‌ها، امکان تصمیم‌گیری دقیق‌تر برای بهره‌برداری از منابع آب را در سطح جهانی فراهم می‌سازد.