Resumen:
|
[EN] In Spain there are around 70.000 reservoirs. According to current legislation, users and administrations are obligated to classify them based on the potential risk in the event of a rupture, if they have more than ...[+]
[EN] In Spain there are around 70.000 reservoirs. According to current legislation, users and administrations are obligated to classify them based on the potential risk in the event of a rupture, if they have more than 100.000 m3 or the dam height exceeds 5 m. With the aim of creating a support system for their classification that facilitates and expedites this process, the ACROPOLIS project has been carried out. To this end, the numerical modelling tool Iber played an essential and cross-cutting role. On one hand, the use of Iber allowed for the development of a simplified method for pre-classifying reservoirs based on machine learning techniques. On the other hand, ad hoc methodologies were developed in Iber to streamline and automate processes, such as the automatic extraction of hydraulic and hazard information at vulnerable points, and the parallelization of the code for computation using high-performance computing techniques.
[-]
[ES] Se estima que en España hay alrededor de 70.000 balsas. Según la legislación vigente, usuarios y administraciones tienen la obligación de clasificarlas en función del riesgo potencial frente una eventual rotura si ...[+]
[ES] Se estima que en España hay alrededor de 70.000 balsas. Según la legislación vigente, usuarios y administraciones tienen la obligación de clasificarlas en función del riesgo potencial frente una eventual rotura si tienen más de 100.000 m3 o el dique mide más de 5 m. Con el objetivo de construir un sistema de ayuda para su clasificación que facilite y agilice este proceso, se ha llevado a cabo el proyecto ACROPOLIS. A tal fin, la herramienta de modelización numérica Iber fue elemento esencial y de carácter transversal. Por un lado, el empleo de Iber permitió desarrollar un método simplificado para pre-clasificar balsas en base a técnicas de machine learning y, por otro lado, se desarrollaron metodologías ad hoc en Iber que agilizan y automatizan los procesos, como la extracción automática de información hidráulica y de peligrosidad en puntos vulnerables y la paralelización del código para el cálculo mediante técnicas de computación de alto rendimiento.
[-]
|
Agradecimientos:
|
Este trabajo fue parcialmente financiado por el Ministerio de Ciencia, Innovación y Universidades de España a través de los proyectos ACROPOLIS (RTC2019-007343-5), TRISTAN (RTI2018-094785-B-I00) y DOLMEN (PID2021-122661OB-I00), ...[+]
Este trabajo fue parcialmente financiado por el Ministerio de Ciencia, Innovación y Universidades de España a través de los proyectos ACROPOLIS (RTC2019-007343-5), TRISTAN (RTI2018-094785-B-I00) y DOLMEN (PID2021-122661OB-I00), así como por el Ministerio de Economía y Competitividad de España, a través del “Programa Severo Ochoa para Centros de Excelencia en I+D” (CEX2018-000797-S), y por la Generalitat de Catalunya a través del Programa CERCA.
[-]
|