Description: Vorhersagen im Untergrund (z.B. Grundwasserströmung oder Schadstofftransport) leiden unter hohen Unsicherheiten. Diese entstehen vor allem durch die Heterogenität von geologischen Materialien, die unmöglich im Detail erfasst werden kann. Die Auflösung der Struktur kann jedoch durch neue Arten von Daten verbessert und die verbleibende Unsicherheit verringert werden, indem Strömungs- und Transportmodelle auf gemessene Werte von Zustandsvariablen kalibriert werden. Um die verbleibende Unsicherheit zu quantifizieren, müssen stochastisch-inverse Techniken anstelle konventioneller Kalibrierungsmethoden verwendet werden. Tatsächlich gibt es viele verschiedene (stochastisch-)inverse Methoden in der Literatur. Jedoch fehlt bislang eine schlüssige und überzeugende Gegenüberstellung ihrer gegenseitigen Vor- und Nachteile, und dies behindert massiv die aktuelle Forschung an verbesserten inversen Methoden. Vor Allem fehlen wohldefinierte Benchmark-Szenarios für Vergleiche unter standardisierten, kontrollierten und reproduzierbaren Bedingungen. Das beantragte Projekt wird dieses Problem lösen indem eine Auswahl an Benchmarks mit hochakkuraten Referenzlösungen erstellt wird. Darauf aufbauend wird eine gemeinschaftliche Vergleichsstudie durchgeführt. Die Benchmarks, Referenzlösungen und Vergleichslösungen werden öffentlich langfristig zur Verfügung gestellt, um auch jenseits des beantragten Projekts eingesetzt zu werden. Die Benchmarks erstrecken sich auf vollgesättigte, transiente Grundwasserströmung, schwache und starke Heterogenität sowie multi-Gauß'sche und nicht-multi-Gauß'sche Strukturtypen. Besonderes Augenmerk liegt auf der Genauigkeit der Referenzlösungen. Diese werden mit spezialisiert weiterentwickelten Versionen des 'preconditioned Crank-Nicholson Markov Chain Monte Carlo' erstellt, ausgerüstet mit adaptiven Sprungverteilungen, multi-temperierten parallelen Ketten, stochastischen Gradientensuchen und Erweiterungen für nicht-multi-Gauß'sche Fälle. Die Algorithmen werden zum hochparallelisierten Einsatz auf den Großrechenanlagen in Jülich angepasst. Die Community der inversen Modellierung wird über einen Workshop eingebunden, in dem die genaue Strategie, Kriterien und Logistik für die Vergleichsstudie festgesetzt werden. Weltweit haben bereits 12 namhafte Forschungsgruppen zugesagt, am Workshop und an der Vergleichsstudie teilzunehmen. Insgesamt ist dieser Antrag eine einzigartige Initiative, um die internationale Community der inversen Grundwassermodellierung zusammenzubringen, wichtige Erkenntnisse zu gewinnen und inverse Methoden weiter zu verbessern.
Types:
SupportProgram
Origins:
/Bund/UBA/UFORDAT
Tags:
Jülich
?
Kalibrierung
?
Prognose
?
Berechnungsverfahren
?
Grundwasserströmung
?
Mathematisches Modell
?
Schadstoffausbreitung
?
Vergleichsanalyse
?
Modellierung
?
Untergrund
?
Globale Aspekte
?
Logistik
?
Workshop
?
Auflösungsvermögen
?
Großrechenanlage
?
Validierung
?
Region:
Nordrhein-Westfalen
Bounding boxes:
6.76339° .. 6.76339° x 51.21895° .. 51.21895°
License: cc-by-nc-nd/4.0
Language: Deutsch
Organisations
Time ranges:
2017-01-01 - 2025-07-04
Alternatives
-
Language: Englisch/English
Title: COMPUtational Framework for Modern Calibration and Validation of Mathematical Models of Subsurface Flows - COMPU-FLOW
Description: Predicting the behavior of subsurface environments (e.g., groundwater flow and contaminant transport in groundwater) is subject to staggering uncertainties. The latter mainly arise because the subsurface is highly heterogeneous, and it is virtually impossible to characterize all of its details. The resolution of heterogeneity can be improved through new types of experimental data, and the remaining uncertainties may be reduced by calibration of flow/transport models on observed data of state variables. Uncertainty can only be quantified via stochastic/probabilistic inverse modeling techniques instead of conventional model calibration schemes. A large variety of (stochastic) inverse methods is available in the literature. However, a conclusive and convincing assessment of their relative merits and drawbacks is still missing. This fact creates a challenging barrier to all current and future research efforts that seek to further improve inverse modeling. A key reason for this is the lack of well-defined benchmark scenarios against which diverse methods can be compared under standardized, controlled and reproducible conditions. This proposal aims at overcoming this issue by defining a set of benchmark scenarios with highly accurate reference solutions. A community-wide comparison study based on these benchmarks and reference solutions is also planned. Benchmark scenarios, reference solutions and compared solutions will be made available to the research community on a long-term basis for continued future use. The developed benchmark cases will consider fully-saturated transient groundwater flow, low and high spatial variability and multi-Gaussian as well as non-multi-Gaussian hydraulic conductivity fields. Special dedication will be paid to calculating highly accurate reference solutions for the benchmark cases. The reference solutions will be produced with highly specialized algorithms developed during this project. The algorithms will be grounded on the preconditioned Crank-Nicholson variant of Markov Chain Monte Carlo, equipped with adaptive proposal distributions, multi-tempered parallel chains, a randomized version of gradient search and an extension for non-multi-Gaussian distributions. The reference solutions will be calculated on the high performance supercomputing infrastructure in Jülich after adapting the developed algorithms for massive parallel computation. The groundwater inverse modeling community will meet in a workshop to finalize the strategy for the comparison study, which includes important topics like logistics and definition of performance criteria. A total of 12 internationally renowned groups have already committed to participate with their inverse methods in the workshop and comparison study. Altogether, this proposal constitutes a unique effort to bring the international groundwater inverse modeling community together, provide critical insights on existing methods and improve them.
https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1083799
Resources
Status
Quality score
- Overall: 0.46
-
Findability: 0.50
- Title: 0.07
- Description: 0.13
- Identifier: false
- Keywords: 0.81
- Spatial: RegionIdentified (1.00)
- Temporal: true
-
Accessibility: 0.67
- Landing page: Specific (1.00)
- Direct access: false
- Publicly accessible: true
-
Interoperability: 0.00
- Open file format: false
- Media type: false
- Machine-readable metadata: false
- Machine-readable data: false
-
Reusability: 0.67
- License: ClearlySpecifiedAndFree (1.00)
- Contact info: false
- Publisher info: true
Accessed 1 times.