Análisis de incertidumbre de un modelo hidrogeológico inverso en el norte de Bucaramanga

Simple item page
dc.contributor.advisordel Toro Rodríguez Wilfredo
dc.contributor.advisorVillamizar Amaya, Sandra Rocío
dc.contributor.authorSánchez Ortiz, Óscar Fabián
dc.contributor.evaluatorAntolínez Quijano, Walter Leonard
dc.contributor.evaluatorAlmeida de Godoy, Vanessa
dc.date.accessioned2023-03-29T19:11:35Z
dc.date.available2023-03-29T19:11:35Z
dc.date.created2023-03-13
dc.date.embargoEnd2023-09-13
dc.date.issued2023-03-13
dc.description.abstractEl modelado hidrogeológico para el diseño de infraestructura requiere una cuantificación sólida de las incertidumbres de pronósticos para reducir los costos y optimizar la inversión. Construimos un modelo numérico de aguas subterráneas para pronosticar los caudales producidos por la construcción de una galería de drenaje. La galería se encuentra sobre un acuífero aluvial no confinado en Bucaramanga, Colombia, donde el agua subterránea está causando inestabilidad en el suelo. Se implementaron enfoques emergentes para el modelado, como el “modelado programático”, el “pronóstico primero” y la “cuantificación temprana de la incertidumbre” (EUQ). El software utilizado incluyó MODFLOW 6 y PEST++, con los paquetes Flopy y Pyemu como interfaces de Python. El enfoque programático combinado con Git y GitHub para la documentación del modelo permite una alta transparencia y reproducibilidad para cualquier persona que desee auditar el modelado y el pronóstico de incertidumbre. La cuantificación de la incertidumbre se realizó utilizando el método de conjuntos iterativos suavizado (IES), el complemento de Shur (lineal) y Monte Carlo de espacio nulo (NSMC). La evaluación del modelo a través de EUQ probó los efectos de la parametrización previa del refinamiento de la cuadrícula en el pronóstico de flujo, lo que ayudó a corregir fallas en la conceptualización del modelo. Además, el IES demostró ser más liviano computacionalmente y suficientemente robusto para manejar la no linealidad e inestabilidades del modelo, pero la asimilación de datos fue deficiente en el modelo. A pesar de eso, IES fue más eficiente computacionalmente que los otros métodos. Debido a la falta de linealidad y las inestabilidades del modelo, la matriz jacobiana y la optimización por Gauss-Levenberg-Marquardt tuvieron problemas que se heredaron al NSMC y el método lineal. Sugerimos usar IES con EUQ cuando el objetivo principal es la cuantificación de la incertidumbre de un pronóstico que depende del nivel freático.
dc.description.abstractenglishGroundwater modeling for infrastructure design requires a robust quantification of forecast uncertainties associated with porous media and other hydrological variables. Understanding, quantifying, and minimizing the uncertainty associated with numerical models reduces costs and optimizes investment; therefore, a reliable, open, and replicable model is appropriate. We built a groundwater numerical model to forecast flows yielded by a drainage gallery construction. The gallery is over an unconfined alluvial aquifer in Bucaramanga, Colombia, where groundwater is causing ground instability in an urbanized area greater than 1 km2. The model implemented emerging approaches for workflow modeling such as programmatic modeling, forecast first, and early uncertainty quantification (EUQ). The software used included MODFLOW 6 and PEST++ for forward and inverse modeling, respectively, with Flopy and Pyemu packages as Python interfaces, all of them open source. Python's programmatic approach using open-source software combined with Git and GitHub for model documentation allows high transparency and reproducibility for anyone who wants to audit the model construction process and forecast uncertainty analysis. Quantification of forecast flow uncertainty was performed using iterative ensemble smoother (IES), Shur’s complement (Linear), and Null Space Monte Carlo (NSMC). The assessment of model structure through EUQ tested the effects of prior parameterization of the grid refinement in the flow forecast helping to find and fix several flaws in the model conceptualization. Besides, the IES demonstrated to be lighter in computational burden and robust enough to handle non-linearity and instabilities of the model, but data assimilation was poor in the model, showing null improvement in the forecast after the first iteration. Despite that, IES was more computationally efficient than NSMC and Shur’s complement and much more reliable than the linear method. Due to model non-linearity and instabilities, the Jacobian and the Gauss-Levenberg-Marquardt optimization had problems that were carried over to the NSMC and the linear method. We suggest that IES with EUQ should be used when the main goal of the modeling is the uncertainty quantification of a forecast that depends on the water table.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001756615
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Geofísica
dc.description.googlescholarhttps://scholar.google.com/citations?user=QkRYc6wAAAAJ&hl=en
dc.description.orcidhttps://orcid.org/0000-0002-9185-468X
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/12689
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ciencias
dc.publisher.programMaestría en Geofísica
dc.publisher.schoolEscuela de Física
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectIncertidumbre
dc.subjectModelado Hidrogeológico
dc.subjectMODFLOW 6
dc.subjectIES
dc.subjectGalería
dc.subject.keywordUncertainty
dc.subject.keywordHydrogeological Modelling
dc.subject.keywordMODFLOW 6
dc.subject.keywordIES
dc.subject.keywordGallery
dc.titleAnálisis de incertidumbre de un modelo hidrogeológico inverso en el norte de Bucaramanga
dc.title.englishUncertainty Analysis of an Inverse Hydrogeological Model in the North of Bucaramanga
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 5 of 5
No Thumbnail Available
Name:
Documento.pdf
Size:
9.21 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
200.02 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
194.96 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Carta de confidencialidad.pdf
Size:
195.31 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
Anexo.zip
Size:
123.34 MB
Format:
Unknown data format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Geofísica