Διόδευση πλημμυρών με χρήση τεχνητών νευρωνικών δικτύων

Τεπετίδης, Νικόλαος; Tepetidis, Nikolaos

dc.contributor.author	Τεπετίδης, Νικόλαος	el
dc.contributor.author	Tepetidis, Nikolaos	en
dc.date.accessioned	2020-12-15T07:55:05Z
dc.date.available	2020-12-15T07:55:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/52522
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.20220
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Διόδευση πλημμυρών	el
dc.subject	Τεχνητά νευρωνικά δίκτυα	el
dc.subject	Τεχνητά νευρωνικά δίκτυα που υπακούν νόμους της φυσικής	el
dc.subject	Μη γραμμικές διαφορικές εξισώσεις	el
dc.subject	Μοντέλο κινηματικού κύματος	el
dc.subject	Flood routing	en
dc.subject	Artificial neural networks	en
dc.subject	Physics informed neural networks	en
dc.subject	Non-linear differential equations	en
dc.subject	Kinematic wave model	en
dc.title	Διόδευση πλημμυρών με χρήση τεχνητών νευρωνικών δικτύων	el
dc.title	Flood routing using artificial neural network models	en
dc.contributor.department	Τομέας Υδατικών Πόρων & Περιβάλλοντος	el
heal.type	bachelorThesis
heal.classification	Υδραυλική	el
heal.classification	Μηχανική μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-11-06
heal.abstract	Εξετάζεται η συνεισφορά των τεχνητών νευρωνικών δικτύων στην επίλυση προβλημάτων πολιτικού μηχανικού και πιο συγκεκριμένα στο πρόβλημα της διόδευσης πλημμύρας, δηλαδή το πρόβλημα της μαθηματικής αναπαράστασης της εξέλιξης ενός πλημμυρικού φαινομένου στο χώρο και στο χρόνο. Οι ροές που παρατηρούνται στη φύση είναι εν γένει μη μόνιμες, έτσι και τα πλημμυρικά φαινόμενα, τα οποία αποτελούν ένα πολύ σημαντικό επιστημονικό θέμα. Αρχικά μελετάται η απόδοση ενός απλού πολυεπίπεδου τεχνητού νευρωνικού δικτύου για την εκτίμηση της διόδευσης στον ποταμό Πηνειό. Παράλληλα εισάγεται μια νέα μεθοδολογία επίλυσης σύνθετων προβλημάτων, τα οποία περιγράφονται από μη γραμμικές μερικές διαφορικές εξισώσεις. Ειδικότερα η μεθοδολογία αφορά τα τεχνητά νευρωνικά δίκτυα τα οποία υπακούν νόμους της φυσικής (γνωστά ως PINN). Ανάλογα με τη φύση του προβλήματος και τα διαθέσιμα δεδομένα, διακρίνονται δύο κύριες κατηγορίες προβλημάτων: η επίλυση της εξίσωσης που περιγράφει το πρόβλημα και η εύρεση των παραμέτρων της εξίσωσης για γνωστή τη λύση. Όπως τα περισσότερα προβλήματα του πολιτικού μηχανικού έτσι και η διόδευση των πλημμυρών περιγράφεται ικανοποιητικά από μερικές διαφορικές εξισώσεις, γνωστές ως εξισώσεις Saint-Venant, οι οποίες δεν επιδέχονται αναλυτικής λύσης. Η αξιοπιστία της μεθόδου ελέγχεται επιλύοντας την εξίσωση Burgers, για την οποία η αναλυτική λύση είναι διαθέσιμη. Από τα τρία μοντέλα κυμάτων που προσφέρουν οι εξισώσεις Saint-Venant, αναλύεται το μοντέλο του κινηματικού κύματος μέσω μίας εφαρμογής, ενώ παρουσιάζεται και η λύση που προκύπτει από μία αριθμητική μέθοδο πεπερασμένων διαφορών. Παρατηρείται πως τα δίκτυα PINN μπορούν να εκτιμήσουν με μεγάλη ακρίβεια τόσο την λύση της διαφορικής εξίσωσης όσο και τις παραμέτρους αυτής (αντίστροφο πρόβλημα).	el
heal.abstract	We study the application of artificial neural networks for addressing civil engineering problems and more specifically flood routing which constitutes finding a mathematical representation of the spatio-temporal evolution of flood phenomena. In general, the flows observed in nature are unsteady and flood flows are no exception and thus generating a crucial scientific endeavor. Firstly, we study the performance of a multilayer neural network in estimating routing for the river Pinios. Parallelly, we introduce a new methodology for solving complex problems which are described by nonlinear partial differential equations. Namely, the methodology concerns the utilization of artificial neural networks that obey any given law of physics (known as Physics Informed Neural Networks or PINN). Based on the nature of the problem and the available data, we determine two classes of problems: those that aim at finding the solution of the equation that describes the physical problem and those that aim at estimating the parameters of the equation for a given known solution. As in most of the civil engineering problems, flood routing is accurately described by the partial differential equations, known as Saint-Venant equations, which do not have an analytical solution. The robustness of our method is examined by solving the Burgers equation, for which an analytical solution is available. From the three wave models that are derived by the Saint-Venant equations, we analyze the model of the kinematic wave through an application, while we also compare with a solution obtained through a numerical finite differences method. We observe that PINNs can both estimate the solution of this differential equation and inversely estimate its parameters given the solution, with high accuracy.	en
heal.advisorName	Κουτσογιάννης, Δημήτρης	el
heal.committeeMemberName	Παπαδόπουλος, Βησσαρίων	el
heal.committeeMemberName	Ευστρατιάδης, Ανδρέας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Υδατικών Πόρων και Περιβάλλοντος	el
heal.academicPublisherID	ntua
heal.numberOfPages	103 σ.	el
heal.fullTextAvailability	false