Γιάννης Τσουκαλάς

Πολιτικός Μηχανικός, MSc, Δρ. Μηχανικός
jtsoukalas@hotmail.com

Συμμετοχή σε ερευνητικά έργα

Συμμετοχή ως ερευνητής

  1. Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ

Δημοσιευμένο έργο

Publications in scientific journals

  1. P. Kossieris, I. Tsoukalas, L. Brocca, H. Mosaffa, C. Makropoulos, and A. Anghelea, Merging multiple precipitation products via machine learning: revisiting conceptual and technical aspects, Journal of Hydrology, 2024, (υπό αξιολόγηση).
  2. G. Moraitis, G.-K. Sakki, G. Karavokiros, D. Nikolopoulos, P. Kossieris, I. Tsoukalas, and C. Makropoulos, Exploring the cyber-physical threat landscape of water systems: A socio-technical modelling approach, Water, 15 (9), 1687, doi:10.3390/w15091687, 2023.
  3. S. Tsattalios, I. Tsoukalas, P. Dimas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Advancing surrogate-based optimization of time-expensive environmental problems through adaptive multi-model search, Environmental Modelling and Software, 162, 105639, doi:10.1016/j.envsoft.2023.105639, 2023.
  4. D. Nikolopoulos, P. Kossieris, I. Tsoukalas, and C. Makropoulos, Stress-testing framework for urban water systems: A source to tap approach for stochastic resilience assessment, Water, 14 (2), 154, doi:10.3390/w14020154, 2022.
  5. G. Moraitis, I. Tsoukalas, P. Kossieris, D. Nikolopoulos, G. Karavokiros, D. Kalogeras, and C. Makropoulos, Assessing cyber-physical threats under water demand uncertainty, Environmental Sciences Proceedings, 21 (1), 18, doi:10.3390/environsciproc2022021018, Οκτώβριος 2022.
  6. G.-K. Sakki, I. Tsoukalas, P. Kossieris, C. Makropoulos, and A. Efstratiadis, Stochastic simulation-optimisation framework for the design and assessment of renewable energy systems under uncertainty, Renewable and Sustainable Energy Reviews, 168, 112886, doi:10.1016/j.rser.2022.112886, 2022.
  7. A. Efstratiadis, P. Dimas, G. Pouliasis, I. Tsoukalas, P. Kossieris, V. Bellos, G.-K. Sakki, C. Makropoulos, and S. Michas, Revisiting flood hazard assessment practices under a hybrid stochastic simulation framework, Water, 14 (3), 457, doi:10.3390/w14030457, 2022.
  8. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.
  9. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.
  10. P. Kossieris, I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Generic framework for downscaling statistical quantities at fine time-scales and its perspectives towards cost-effective enrichment of water demand records, Water, 13 (23), 3429, doi:10.3390/w13233429, 2021.
  11. G. Papaioannou, L. Vasiliades, A. Loukas, A. Alamanos, A. Efstratiadis, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, A flood inundation modelling approach for urban and rural areas in lake and large-scale river basins, Water, 13 (9), 1264, doi:10.3390/w13091264, 2021.
  12. I. Tsoukalas, The tales that the distribution tails of non-Gaussian autocorrelated processes tell: Efficient methods for the estimation of the k-length block-maxima distribution, doi:10.1080/02626667.2021.2014056, 2021, (υπό έκδοση).
  13. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Generalized storage-reliability-yield framework for hydroelectric reservoirs, Hydrological Sciences Journal, 66 (4), 580–599, doi:10.1080/02626667.2021.1886299, 2021.
  14. H. Elsayed, S. Djordjević, D. Savic, I. Tsoukalas, and C. Makropoulos, The Nile water-food-energy nexus under uncertainty: Impacts of the Grand Ethiopian Renaissance Dam, Journal of Water Resources Planning and Management - ASCE, 146 (11), 04020085, doi:10.1061/(ASCE)WR.1943-5452.0001285, 2020.
  15. I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020.
  16. P. Kossieris, I. Tsoukalas, C. Makropoulos, and D. Savic, Simulating marginal and dependence behaviour of water demand processes at any fine time scale, Water, 11 (5), 885, doi:10.3390/w11050885, 2019.
  17. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.
  18. Ε. Psarrou, I. Tsoukalas, and C. Makropoulos, A Monte-Carlo-based method for the optimal placement and operation scheduling of sewer mining units in urban wastewater networks, Water, 10 (2), 200, doi:10.3390/w10020200, 2018.
  19. I. Tsoukalas, C. Makropoulos, and D. Koutsoyiannis, Simulation of stochastic processes exhibiting any-range dependence and arbitrary marginal distributions, Water Resources Research, 54 (11), 9484–9513, doi:10.1029/2017WR022462, 2018.
  20. I. Tsoukalas, S.M. Papalexiou, A. Efstratiadis, and C. Makropoulos, A cautionary note on the reproduction of dependencies through linear stochastic models with non-Gaussian white noise, Water, 10 (6), 771, doi:10.3390/w10060771, 2018.
  21. G. Papaioannou, A. Efstratiadis, L. Vasiliades, A. Loukas, S.M. Papalexiou, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, An operational method for Floods Directive implementation in ungauged urban areas, Hydrology, 5 (2), 24, doi:10.3390/hydrology5020024, 2018.
  22. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.
  23. C. Makropoulos, E. Rozos, I. Tsoukalas, A. Plevri, G. Karakatsanis, L. Karagiannidis, E. Makri, C. Lioumis, K. Noutsopoulos, D. Mamais, K. Ripis, and T. Lytras, Sewer-mining: A water reuse option supporting circular economy, public service provision and entrepreneurship, Journal of Environmental Management, 216, 285–298, doi:10.1016/j.jenvman.2017.07.026, 2018.
  24. I. Tsoukalas, C. Makropoulos, and S. Mihas, Identification of potential sewer mining locations: A Monte-Carlo based approach, Water Science and Technology, 76 (12), 3351–3357, doi:10.2166/wst.2017.487, 2017.
  25. A. Tegos, N. Malamos, A. Efstratiadis, I. Tsoukalas, A. Karanasios, and D. Koutsoyiannis, Parametric modelling of potential evapotranspiration: a global survey, Water, 9 (10), 795, doi:10.3390/w9100795, 2017.
  26. E. Rozos, I. Tsoukalas, K. Ripis, E. Smeti, and C. Makropoulos, Turning black into green: Ecosystem services from treated wastewater, Desalination and Water Treatment, 91 (2017), 2017.
  27. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.
  28. I. Tsoukalas, and C. Makropoulos, A surrogate based optimization approach for the development of uncertainty-aware reservoir operational rules: the case of Nestos hydrosystem, Water Resources Management, 29 (13), 4719–4734, doi:10.1007/s11269-015-1086-8, 2015.
  29. I. Tsoukalas, and C. Makropoulos, Multiobjective optimisation on a budget: Exploring surrogate modelling for robust multi-reservoir rules generation under hydrological uncertainty, Environmental Modelling and Software, 69, 396–413, doi:10.1016/j.envsoft.2014.09.023, 2015.

Book chapters and fully evaluated conference publications

  1. A. Efstratiadis, I. Tsoukalas, and P. Kossieris, Improving hydrological model identifiability by driving calibration with stochastic inputs, Advances in Hydroinformatics: Machine Learning and Optimization for Water Resources, edited by G. A. Corzo Perez and D. P. Solomatine, doi:10.1002/9781119639268.ch2, American Geophysical Union, 2024.
  2. P. Dimas, G.-K. Sakki, P. Kossieris, I. Tsoukalas, A. Efstratiadis, C. Makropoulos, N. Mamassis, and K. Pipili, Outlining a master plan framework for the design and assessment of flood mitigation infrastructures across large-scale watersheds, 12th World Congress on Water Resources and Environment (EWRA 2023) “Managing Water-Energy-Land-Food under Climatic, Environmental and Social Instability”, 75–76, European Water Resources Association, Thessaloniki, 2023.
  3. D. Nikolopoulos, C. Makropoulos, D. Kalogeras, K. Monokrousou, and I. Tsoukalas, Developing a stress-testing platform for cyber-physical water infrastructure, 2018 International Workshop on Cyber-Physical Systems for Smart Water Networks (CySWater), New Jersey, 9–11, doi:10.1109/CySWater.2018.00009, 2018.
  4. C. Rebolho, V. Andréassian, I. Tsoukalas, et A. Efstratiadis, La crue du Loing de Juin 2016 était-elle exceptionnelle?, De la prévision des crues à la gestion de crise, Avignon, Société Hydrotechnique de France, 2018.
  5. I. Tsoukalas, C. Makropoulos, and A. Efstratiadis, Stochastic simulation of periodic processes with arbitrary marginal distributions, 15th International Conference on Environmental Science and Technology (CEST2017), Rhodes, Global Network on Environmental Science and Technology, 2017.
  6. E. Rozos, I. Tsoukalas, K. Ripis, E. Smeti, and C. Makropoulos, Turning black into green: ecosystem services from treated wastewater, 13th IWA Specialized Conference on Small Water and Wastewater Systems, Athens, Greece, National Technical University of Athens, 2016, (υπό έκδοση).
  7. I. Tsoukalas, P. Dimas, and C. Makropoulos, Hydrosystem optimization on a budget: Investigating the potential of surrogate based optimization techniques, 14th International Conference on Environmental Science and Technology (CEST2015), Global Network on Environmental Science and Technology, University of the Aegean, 2015.

Conference publications and presentations with evaluation of abstract

  1. I. Tsoukalas, P. Kossieris, L. Brocca, S. Barbetta, H. Mosaffa, and C. Makropoulos, Can machine learning help us to create improved and trustworthy satellite-based precipitation products?, European Geosciences Union General Assembly 2023, Vienna, Austria & Online, EGU23-13852, doi:10.5194/egusphere-egu23-13852, 2023.
  2. P. Kossieris, I. Tsoukalas, and C. Makropoulos, A framework for cost-effective enrichment of water demand records at fine spatio-temporal scales, European Geosciences Union General Assembly 2023, Vienna, Austria & Online, EGU23-12141, doi:10.5194/egusphere-egu23-12141, 2023.
  3. A. Zisos, M.-E. Pantazi, Μ. Diamanta, Ι. Koutsouradi, Α. Kontaxopoulou, I. Tsoukalas, G.-K. Sakki, and A. Efstratiadis, Towards energy autonomy of small Mediterranean islands: Challenges, perspectives and solutions, EGU General Assembly 2022, Vienna, Austria & Online, EGU22-5468, doi:10.5194/egusphere-egu22-5468, European Geosciences Union, 2022.
  4. G. Moraitis, D. Nikolopoulos, I. Koutiva, I. Tsoukalas, G. Karavokiros, and C. Makropoulos, The PROCRUSTES testbed: tackling cyber-physical risk for water systems, EGU General Assembly 2021, online, EGU21-14903, doi:10.5194/egusphere-egu21-14903, European Geosciences Union, 2021.
  5. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Setting the problem of energy production forecasting for small hydropower plants in the Target Model era, EGU General Assembly 2021, online, EGU21-3168, doi:10.5194/egusphere-egu21-3168, European Geosciences Union, 2021.
  6. V. Kourakos, A. Efstratiadis, and I. Tsoukalas, Can hydrological model identifiability be improved? Stress-testing the concept of stochastic calibration, EGU General Assembly 2021, online, EGU21-11704, doi:10.5194/egusphere-egu21-11704, European Geosciences Union, 2021.
  7. G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, A dilemma of small hydropower plants: Design with uncertainty or uncertainty within design?, EGU General Assembly 2021, online, EGU21-2398, doi:10.5194/egusphere-egu21-2398, European Geosciences Union, 2021.
  8. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Revisiting the storage-reliability-yield concept in hydroelectricity, EGU General Assembly 2021, online, EGU21-10528, doi:10.5194/egusphere-egu21-10528, European Geosciences Union, 2021.
  9. M. Nezi, C. Ntigkakis, I. Tsoukalas, and A. Efstratiadis, Multidimensional context for extreme analysis of daily streamflow, rainfall and accumulated rainfall across USA, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-19674, doi:egusphere-egu2020-19674, 2020.
  10. A. G. Pettas, P. Mavritsakis, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Empirical metric for uncertainty assessment of wind forecasting models in terms of power production and economic efficiency, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8018, doi:10.5194/egusphere-egu2020-8018, 2020.
  11. G.-K. Sakki, V. Papalamprou, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Stochastic modelling of hydropower generation from small hydropower plants under limited data availability: from post-assessment to forecasting, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8129, doi:10.5194/egusphere-egu2020-8129, 2020.
  12. L. M. Tsiami, E. Zacharopoulou, D. Nikolopoulos, I. Tsoukalas, N. Mamassis, A. Kallioras, and A. Efstratiadis, The use of Artificial Neural Networks with different sources of spatiotemporal information for flash flood predictions, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-7315, European Geosciences Union, 2019.
  13. P. Mavritsakis, A. G. Pettas, I. Tsoukalas, G. Karakatsanis, N. Mamassis, and A. Efstratiadis, A stochastic simulation framework for representing water, energy and financial fluxes across a non-connected island, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-8758, European Geosciences Union, 2019.
  14. E. Zacharopoulou, I. Tsoukalas, A. Efstratiadis, and D. Koutsoyiannis, Impact of sample uncertainty of inflows to stochastic simulation of reservoirs, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-17233, European Geosciences Union, 2019.
  15. Y. Moustakis, P. Kossieris, I. Tsoukalas, and A. Efstratiadis, Quasi-continuous stochastic simulation framework for flood modelling, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, 19, EGU2017-534, European Geosciences Union, 2017.
  16. P. Kossieris, A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Assessing the performance of Bartlett-Lewis model on the simulation of Athens rainfall, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-8983, doi:10.13140/RG.2.2.14371.25120, European Geosciences Union, 2015.
  17. A. Efstratiadis, I. Tsoukalas, P. Kossieris, G. Karavokiros, A. Christofides, A. Siskos, N. Mamassis, and D. Koutsoyiannis, Computational issues in complex water-energy optimization problems: Time scales, parameterizations, objectives and algorithms, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5121, doi:10.13140/RG.2.2.11015.80802, European Geosciences Union, 2015.
  18. A. Drosou, P. Dimitriadis, A. Lykou, P. Kossieris, I. Tsoukalas, A. Efstratiadis, and N. Mamassis, Assessing and optimising flood control options along the Arachthos river floodplain (Epirus, Greece), European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-9148, European Geosciences Union, 2015.
  19. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Handling time-expensive global optimization problems through the surrogate-enhanced evolutionary annealing-simplex algorithm, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5923, European Geosciences Union, 2015.

Academic works

  1. I. Tsoukalas, Modelling and simulation of non-Gaussian stochastic processes for optimization of water-systems under uncertainty, PhD thesis, 339 pages, Department of Water Resources and Environmental Engineering – National Technical University of Athens, Δεκέμβριος 2018.

Research reports

  1. Α. Ευστρατιάδης, Ν. Μαμάσης, Γ.-Κ. Σακκή, Ι. Τσουκαλάς, Π. Κοσσιέρης, Π. Δήμας, και Ν. Πελεκάνος, Σχέδιο Διαχείρισης του Υδροδοτικού Συστήματος της Αθήνας – Υδρολογικό έτος 2021-22, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, 141 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούνιος 2022.
  2. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Γ.-Κ. Σακκή, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2022, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 49 pages, Απρίλιος 2022.
  3. Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Τσουκαλάς, και Σ. Μανούρη, Ειδική διαχειριστική μελέτη για την άρδευση του Ελαιώνα Άμφισσας μέσω του υδραγωγείου Μόρνου, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 35 pages, Μάιος 2021.
  4. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Σ. Μανούρη, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2021, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 38 pages, Μάρτιος 2021.
  5. Α. Ευστρατιάδης, Η. Παπακωνσταντής, Π. Παπανικολάου, Ν. Μαμάσης, Δ. Νικολόπουλος, Ι. Τσουκαλάς, και Π. Κοσσιέρης, Συνοπτική έκθεση πρώτου έτους, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 55 pages, Δεκέμβριος 2020.
  6. Α. Ευστρατιάδης, Σ. Μανούρη, Δ. Νικολόπουλος, και Ι. Τσουκαλάς, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2020, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 31 pages, Μάρτιος 2020.
  7. Α. Ευστρατιάδης, και Ι. Τσουκαλάς, Επικαιροποίηση υδατικού ισοζυγίου Υλίκης και Παραλίμνης και εκτίμηση του κινδύνου υπερχείλισής τους το τρέχον υδρολογικό έτος, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 56 pages, Νοέμβριος 2019.
  8. Α. Ευστρατιάδης, Ν. Μαμάσης, και Ι. Τσουκαλάς, Συνοπτική τεχνική έκθεση περί της αξιολόγησης του πλημμυρικού κινδύνου των περιοχών που επηρεάζονται από το εν εξελίξει φαινόμενο υπερχείλισης του συστήματος Υλίκης-Παραλίμνης, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 25 pages, Μάρτιος 2019.

Ανάλυση ερευνητικών έργων

Συμμετοχή ως ερευνητής

  1. Συντήρηση, αναβάθμιση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων για την διαχείριση του υδροδοτικού συστήματος της ΕΥΔΑΠ

    Περίοδος εκτέλεσης: Οκτώβριος 2008–Νοέμβριος 2011

    Προϋπολογισμός: €72 000

    Project director: Ν. Μαμάσης

    Κύριος ερευνητής: Δ. Κουτσογιάννης

    Το ερευνητικό έργο περιλαμβάνει την αναβάθμιση, συντήρηση και επέκταση του Συστήματος Υποστήριξης Αποφάσεων (ΣΥΑ) που ανέπτυξε το ΕΜΠ για την ΕΥΔΑΠ στα πλαίσια του ερευνητικού έργου Εκσυγχρονισμός της εποπτείας και διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας (1999-2003). Οι εργασίες αφορούν (α) στη Βάση Δεδομένων (αναβάθμιση λογισμικού, διαχείριση χρονοσειρών ποιοτικών παραμέτρων), (β) στο μετρητικό δίκτυο (επέκταση-βελτίωση- συντήρηση, εκτίμηση απωλειών υδραγωγείων), (γ) στην αναβάθμιση λογισμικού διαχείρισης δεδομένων και την προσθήκη αυτόματης επεξεργασίας τηλεμετρικών δεδομένων, (δ) στο λογισμικό Υδρονομέας (επικαιροποίηση του μοντέλου του υδροσυστήματος, επέκταση του μοντέλου προσομοίωσης και βελτιστοποίησης, αναβάθμιση λειτουργικών χαρακτηριστικών λογισμικού), (ε) σε υδρολογικές αναλύσεις (συλλογή και επεξεργασία δεδομένων, επικαιροποίηση χαρακτηριστικών υδρολογικών μεγεθών) και (στ) στα ετήσια διαχειριστικά σχέδια (υποστήριξη στην εκπόνηση).

Ανάλυση δημοσιευμένου έργου

Publications in scientific journals

  1. P. Kossieris, I. Tsoukalas, L. Brocca, H. Mosaffa, C. Makropoulos, and A. Anghelea, Merging multiple precipitation products via machine learning: revisiting conceptual and technical aspects, Journal of Hydrology, 2024, (υπό αξιολόγηση).

  1. G. Moraitis, G.-K. Sakki, G. Karavokiros, D. Nikolopoulos, P. Kossieris, I. Tsoukalas, and C. Makropoulos, Exploring the cyber-physical threat landscape of water systems: A socio-technical modelling approach, Water, 15 (9), 1687, doi:10.3390/w15091687, 2023.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2289/1/documents/water-15-01687.pdf (2852 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/15/9/1687

  1. S. Tsattalios, I. Tsoukalas, P. Dimas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Advancing surrogate-based optimization of time-expensive environmental problems through adaptive multi-model search, Environmental Modelling and Software, 162, 105639, doi:10.1016/j.envsoft.2023.105639, 2023.

    [Ισχυροποιώντας τη βελτιστοποίηση που βασίζεται σε υποκατάστατα για χρονοβόρα περιβαλλοντικά προβλήματα μέσω προσαρμοστικής αναζήτησης πολλαπλών μοντέλων]

    Πολύπλοκα προβλήματα βελτιστοποίησης περιβαλλοντικών συστημάτων συχνά απαιτούν μοντέλα προσομοίωσης υψηλών υπολογιστικών απαιτήσεων για την αξιολόγηση των υποψήφιων λύσεων. Ωστόσο, η πολυπλοκότητα των επιφανειών απόκρισης απαιτεί πολλαπλές τέτοιες αξιολογήσεις, καθιστώντας έτσι τη διαδικασία αναζήτησης ιδιαίτερα επίπονη. Η βελτιστοποίηση που βασίζεται σε υποκατάστατα είναι μια ισχυρή προσέγγιση για την επιτάχυνση της σύγκλισης προς υποσχόμενες λύσεις. Εδώ εισάγουμε τον αλγόριθμο Adaptive Multi-Surrogate Enhanced Evolutionary Annealing Simplex (AMSEEAS), ως επέκταση του SEEAS, που αποτελεί μια καλά εδραιωμένη μέθοδο ολικής βελτιστοποίησης με τη χρήση υποκατάστατων. Η μέθοδος AMSEEAS εκμεταλλεύεται τα ισχυρά σημεία των πολλαπλών υποκατάστατων μοντέλων που συνδυάζονται μέσω ενός μηχανισμού τύπου ρουλέτας, για την επιλογή ενός συγκεκριμένου μεταμοντέλου που θα ενεργοποιείται σε κάθε επανάληψη. Η μέθοδος AMSEEAS αποδεικνύει την ευρωστία και αποτελεσματικότητά της μέσω εκτενούς συγκριτικής αξιολόγησης έναντι του SEEAS και άλλων καταξιωμένων μεθόδων ολικής βελτιστοποίησης με βάση υποκατάστατα μοντέλα, τόσο σε θεωρητικά μαθηματικά προβλήματα όσο και σε μια υπολογιστικά απαιτητική εφαρμογή υδραυλικού σχεδιασμού του πραγματικού κόσμου. Το τελευταίο αναζητά την πλέον οικονομική διαστασιολόγηση των αναχωμάτων κατά μήκος ενός αντιπλημμυρικού καναλιού για την ελαχιστοποίηση της πλημμυρικής κατάκλυσης, που υπολογίζεται από το χρονοβόρο υδροδυναμικό μοντέλο HEC-RAS.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2266/1/documents/AMSEEAS_paper.pdf (14432 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. #Zhang, D., J. Zhang, and Y. Wang, Game based pigeon-inspired optimization with repository assistance for stochastic optimizations with uncertain infeasible search regions, 2023 IEEE Congress on Evolutionary Computation (CEC), 1-8, Chicago, IL, USA, doi:10.1109/CEC53210.2023.10253991, 2023.
    2. Costabile, P., C. Costanzo, J. Kalogiros, and V. Bellos, Toward street‐level nowcasting of flash floods impacts based on HPC hydrodynamic modeling at the watershed scale and high‐resolution weather radar data, Water Resources Research, 59(10), e2023WR034599, doi:10.1029/2023WR034599, 2023.
    3. Zeigler, B. P., Discrete event systems theory for fast stochastic simulation via tree expansion, Systems, 12(3), 80, doi:10.3390/systems12030080, 2024.

  1. D. Nikolopoulos, P. Kossieris, I. Tsoukalas, and C. Makropoulos, Stress-testing framework for urban water systems: A source to tap approach for stochastic resilience assessment, Water, 14 (2), 154, doi:10.3390/w14020154, 2022.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2372/1/documents/water-14-00154-v2.pdf (3040 KB)

  1. G. Moraitis, I. Tsoukalas, P. Kossieris, D. Nikolopoulos, G. Karavokiros, D. Kalogeras, and C. Makropoulos, Assessing cyber-physical threats under water demand uncertainty, Environmental Sciences Proceedings, 21 (1), 18, doi:10.3390/environsciproc2022021018, Οκτώβριος 2022.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2250/1/documents/environsciproc-21-00018.pdf (933 KB)

    Βλέπε επίσης: https://www.mdpi.com/2673-4931/21/1/18

  1. G.-K. Sakki, I. Tsoukalas, P. Kossieris, C. Makropoulos, and A. Efstratiadis, Stochastic simulation-optimisation framework for the design and assessment of renewable energy systems under uncertainty, Renewable and Sustainable Energy Reviews, 168, 112886, doi:10.1016/j.rser.2022.112886, 2022.

    [Πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης για τον σχεδιασμό και την αποτίμηση συστημάτων ανανεώσιμης ενέργειας υπό αβεβαιότητα]

    Καθώς η συμμετοχή των ανανεώσιμων πηγών ενέργειας στο ηλεκτρικό μίγμα αυξάνει ραγδαία, η αναγνώριση, αναπαράσταση, ποσοτικοποίηση και, εν τέλει, ερμηνεία των αβεβαιοτήτων τους καθίσταται σημαντική. Σε αυτή την κατεύθυνση, προτείνουμε ένα γενικό πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης, προσαρμοσμένο σε συστήματα ανανεώσιμης ενέργειας (ΣΑΕ), ικανό να αντιμετωπίσει τις πολλαπλές πτυχές της αβεβαιότητας, εξωτερικές και εσωτερικές. Αυτές αφορούν στις φορτίσεις (υδρομετεωρολογικές είσοδοι) και καταστάσεις (μέσω των παραμέτρων των μοντέλων μετατροπής του καυσίμου σε ενέργεια, καθώς και των τιμών αγοράς ενέργειας) του συστήματος, που και οι δύο εκφράζονται σε πιθανοτικούς όρους, μέσω μιας καινοτόμου σύζευξης του τρίπτυχου στατιστική, στοχαστική και συζεύξεις. Καθώς οι πιο διαδεδομένες πηγές (άνεμος, ήλιος, νερό) παρουσιάζουν αρκετά κοινά χαρακτηριστικά, εισάγουμε αρχικά τη διατύπωση του καθολικού πλαισίου μοντελοποίησης υπό αβεβαιότητα, και στη συνέχεια προσφέρουμε εργαλεία ποσοτικοποίησης της αβεβαιότητας, προκειμένου να αξιοποιήσουμε στην πράξη την πληθώρα των αποτελεσμάτων της προσομοίωσης και μέτρων επίδοσης που προκύπτουν (επενδυτικά κόστη, παραγωγή ενέργειας, κέρδη). Το προτεινόμενο πλαίσιο εφαρμόζεται σε δύο χαρακτηριστικές μελέτες περίπτωσης, ήτοι τον σχεδιασμό ενός μικρού υδροηλεκτρικού σταθμού (ειδικότερα, το βέλτιστο μίγμα των υδροστροβίλων του), και τη μακροχρόνια αποτίμηση ενός σχεδιασμένου αιολικού πάρκου. Και οι δύο περιπτώσεις αναδεικνύουν ότι η άγνοια ή υποεκτίμηση της αβεβαιότητας μπορεί να αποκρύψει σε σημαντικό βαθμό την κατανόησή μας περί της πραγματικής λειτουργίας και επίδοσης των ΣΑΕ. Αντίθετα, το πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης επιτρέπει την εκτίμηση της τεχνικο-οικονομικής αποδοτικότητας έναντι ενός μεγάλου εύρους αβεβαιοτήτων, και με τον τρόπο αυτό παρέχει ένα κρίσιμο εργαλείο λήψη αποφάσεων, στην κατεύθυνση της ανάπτυξης βιώσιμων και οικονομικά εφικτών ΣΑΕ.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2229/1/documents/stochasticRES.pdf (6011 KB)

    Βλέπε επίσης: https://www.sciencedirect.com/science/article/pii/S1364032122007687

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Woon, K. S., Z. X. Phuang, J. Taler, P. S. Varbanov, C. T. Chong, J. J. Klemeš, and C. T. Lee, Recent advances in urban green energy development towards carbon neutrality, Energy, 126502, doi:10.1016/j.energy.2022.126502, 2022.
    2. Angelakis, A., Reframing the high-technology landscape in Greece: Empirical evidence and policy aspects, International Journal of Business & Economic Sciences Applied Research, 15(2), 58-70, doi:10.25103/ijbesar.152.06, 2022.
    3. Kim, J., M. Qi, J. Park, and I. Moon, Revealing the impact of renewable uncertainty on grid-assisted power-to-X: A data-driven reliability-based design optimization approach, Applied Energy, 339, 121015, doi:10.1016/j.apenergy.2023.121015, 2023.
    4. Yin, S., L. Chen, and H. Qin, Reduced space optimization-based evidence theory method for response analysis of space-coiled acoustic metamaterials with epistemic uncertainty, Mathematical Problems in Engineering, 2023, 9937158, doi:10.1155/2023/9937158, 2023.
    5. Qu, K., H. Zhang, X. Zhou, F. Causone, X. Huang, X. Shen, and X. Zhu, Optimal design of building integrated energy systems by combining two-phase optimization and a data-driven model, Energy and Buildings, 295, 113304, doi:10.1016/j.enbuild.2023.113304, 2023.
    6. Wang, Z., W. Zhang, H. Fan, C. Zhang, Y. Zhao, and Z. Huang, An uncertainty-tolerant robust distributed control strategy for building cooling water systems considering measurement uncertainties, Journal of Building Engineering, 76, 107162, doi:10.1016/j.jobe.2023.107162, 2023.
    7. Caputo, A. C., A. Federici, P. M. Pelagagge, and P. Salini, Offshore wind power system economic evaluation framework under aleatory and epistemic uncertainty, Applied Energy, 350, 121585, doi:10.1016/j.apenergy.2023.121585, 2023.
    8. Liu, J., Y. Li, Y. Ma, R. Qin, X. Meng, and J. Wu, Two-layer multiple scenario optimization framework for integrated energy system based on optimal energy contribution ratio strategy, Energy, 285, 128673, doi:10.1016/j.energy.2023.128673, 2023.
    9. Wang, Q., and L. Zhao, Data-driven stochastic robust optimization of sustainable utility system, Renewable and Sustainable Energy Reviews, 188, 113841, doi:10.1016/j.rser.2023.113841, 2023.
    10. Ahmed, S., T. Li, P. Yi, and R. Chen, Environmental impact assessment of green ammonia-powered very large tanker ship for decarbonized future shipping operations, Renewable and Sustainable Energy Reviews, 188, 113774, doi:10.1016/j.rser.2023.113774, 2023.
    11. Maitra, S., V. Mishra, and S. Kundu, A novel approach with Monte-Carlo simulation and hybrid optimization approach for inventory management with stochastic demand, arXiv e-prints, 2023.
    12. Al Hasibi, R. A., and A. Haris, An analysis of the implementation of a hybrid renewable-energy system in a building by considering the reduction in electricity price subsidies and the reliability of the grid, Clean Energy, 7(5), 1125-1135, doi:10.1093/ce/zkad053, 2023.
    13. Caputo, A. C., A. Federici, P. M. Pelagagge, and P. Salini, Scenario analysis of offshore wind-power systems under uncertainty, Sustainability, 15(24), 16912, doi:10.3390/su152416912, 2023.
    14. Li, Y., F. Wu, X. Song, L. Shi, K. Lin, and F. Hong, Data-driven chance-constrained schedule optimization of cascaded hydropower and photovoltaic complementary generation systems for shaving peak loads, Sustainability, 15(24), 16916, doi:10.3390/su152416916, 2023.
    15. Kim, S., Y. Choi, J. Park, D. Adams, S. Heo, and J. H. Lee, Multi-period, multi-timescale stochastic optimization model for simultaneous capacity investment and energy management decisions for hybrid Micro-Grids with green hydrogen production under uncertainty, Renewable and Sustainable Energy Reviews, 190(A), 114049, doi:10.1016/j.rser.2023.114049, 2024.
    16. García-Merino, J. C., C. Calvo-Jurado, and E. García-Macías, Sparse polynomial chaos expansion for universal stochastic kriging, Journal of Computational and Applied Mathematics, 444, 115794, doi:10.1016/j.cam.2024.115794, 2024.
    17. Hasanien, H. M., I. Alsaleh, Z. Ullah, and A. Alassaf, Probabilistic optimal power flow in power systems with Renewable energy integration using Enhanced walrus optimization algorithm, Ain Shams Engineering Journal, doi:10.1016/j.asej.2024.102663, 2024.

  1. A. Efstratiadis, P. Dimas, G. Pouliasis, I. Tsoukalas, P. Kossieris, V. Bellos, G.-K. Sakki, C. Makropoulos, and S. Michas, Revisiting flood hazard assessment practices under a hybrid stochastic simulation framework, Water, 14 (3), 457, doi:10.3390/w14030457, 2022.

    [Αναθεωρώντας τις πρακτικές εκτίμησης του πλημμυρικού κινδύνου υπό ένα πλαίσιο υβριδικής στοχαστικής προσομοίωσης]

    Προτείνουμε μια νέα πιθανοτική προσέγγιση για την εκτίμηση του κινδύνου πλημμύρας, με στόχο την αντιμετώπιση των βασικών αδυναμιών των καθημερινών ντετερμινιστικών πρακτικών τεχνομηχανικής με έναν υπολογιστικά αποδοτικό τρόπο. Σε αυτό το πλαίσιο, καθορίζονται οι κύριες πηγές αβεβαιότητας στη συνολική διαδικασία μοντελοποίησης, ήτοι η στατιστική αβεβαιότητα κατά την επαγωγή των μέγιστων ετήσιων βροχοπτώσεων μέσω μοντέλων κατανομής που προσαρμόζονται σε εμπειρικά δεδομένα και η εγγενώς στοχαστική φύση των υποκείμενων υδρομετεωρολογικών και υδροδυναμικών διεργασιών. Η εργασία μας επικεντρώνεται σε τρεις βασικές πτυχές, συγκεκριμένα το χρονικό προφίλ των καταιγίδων, την εξάρτηση των μηχανισμών γέννησης πλημμυρών από τις προηγούμενες συνθήκες υγρασίας του εδάφους και την εξάρτηση της διόδευσης της απορροής στο έδαφος και το υδρογραφικό δίκτυο από την ένταση της πλημμύρας. Αυτά αντιμετωπίζονται με την υλοποίηση μιας σειριακής διαδικασίας, που βασίζεται σε λογισμικό ανοιχτού κώδικα, το οποίο είναι ελεύθερα διαθέσιμο στο κοινό. Επιπλέον, οι υδροδυναμικές διεργασίες προσομοιώνονται με μια υβριδική προσέγγιση 1D/2D μοντελοποίησης, η οποία προσφέρει έναν καλό συμβιβασμό μεταξύ του υπολογιστικού φόρτου και της ακρίβειας. Το προτεινόμενο πλαίσιο επιτρέπει την εκτίμηση της αβεβαιότητας όλων των μεγεθών που σχετίζονται με τις πλημμύρες, μέσω εμπειρικά εκτιμώμενων ποσοστημορίων για δεδομένες περιόδους επαναφοράς. Τέλος, εισάγεται ένα σύνολο από εύκολα εφαρμόσιμα μέτρα για την ποσοτικοποίηση του κινδύνου πλημμύρας.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2170/1/documents/water-14-00457.pdf (6083 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/14/3/457

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    2. Afzal, M. A., S. Ali, A. Nazeer, M. I. Khan, M. M. Waqas, R. A. Aslam, M. J. M. Cheema, M. Nadeem, N. Saddique, M. Muzammil, and A. N. Shah, Flood inundation modeling by integrating HEC–RAS and satellite imagery: A case study of the Indus river basin, Water, 14(19), 2984, doi:10.3390/w14192984, 2022.
    3. Vangelis, H., I. Zotou, I. M. Kourtis, V. Bellos, and V. A. Tsihrintzis, Relationship of rainfall and flood return periods through hydrologic and hydraulic modeling, Water, 14(22), 3618, doi:10.3390/w14223618, 2022.
    4. Maranzoni, A., M. D’Oria, and C. Rizzo, Quantitative flood hazard assessment methods: A review, Journal of Flood Risk Management, 16(1), e12855, doi:10.1111/jfr3.12855, 2022.
    5. Szeląg, B., P. Kowal, A. Kiczko, A. Białek, D. Majerek, P. Siwicki, F. Fatone, and G. Boczkaj, Integrated model for the fast assessment of flood volume: Modelling – management, uncertainty and sensitivity analysis, Journal of Hydrology, 625(A), 129967, doi:10.1016/j.jhydrol.2023.129967, 2023.
    6. Rozos, E., V. Bellos, J. Kalogiros, and K. Mazi, efficient flood early warning system for data-scarce, karstic, mountainous environments: A case study, Hydrology, 10(10), 203, doi:10.3390/hydrology10100203, 2023.

  1. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Day-ahead energy production in small hydropower plants: uncertainty-aware forecasts through effective coupling of knowledge and data, Advances in Geosciences, 56, 155–162, doi:10.5194/adgeo-56-155-2022, 2022.

    [Ημερήσια παραγωγή ενέργειας σε μικρά υδροηλεκτρικά έργα: πρόγνωσεις υπό αβεβαιότητα μέσω αποτελεσματικής σύζευξης γνώσης και δεδομένων]

    Με κίνητρο τις προκλήσεις που αναδύονται από το λεγόμενο Target Model και τις σχετικές αλλαγές στην τρέχουσα δομή της αγοράς ενέργειας, επανεξετάζουμε το πρόβλημα της πρόβλεψης της ενεργειακής παραγωγής της επόμενης ημέρας από Μικρούς Υδροηλεκτρικούς Σταθμούς (ΜΥΗΣ) χωρίς δυνατότητα αποθήκευσης. Χρησιμοποιώντας ως παράδειγμα έναν τυπικό ΜΥΗΣ εκτροπής στη Δυτική Ελλάδα, δοκιμάζουμε εναλλακτικά σχήματα πρόβλεψης (από παλινδρόμηση έως μηχανική μάθηση) που εκμεταλλεύονται διαφορετικά επίπεδα πληροφοριών. Από αυτή την άποψη, διερευνούμε εάν είναι προτιμότερο να χρησιμοποιήσουμε ως επεξηγηματική μεταβλητή τη γνωστή παραγωγή ενέργειας των προηγούμενων ημερών ή να προβλέψουμε τις εισροές της επόμενης ημέρας και στη συνέχεια να εκτιμήσουμε την προκύπτουσα παραγωγή ενέργειας μέσω προσομοίωσης. Οι αναλύσεις μας υποδεικνύουν ότι η δεύτερη προσέγγιση γίνεται σαφώς πιο συμφέρουσα όταν η εξειδικευμένη γνώση σχετικά με το υδρολογικό καθεστώς και τα τεχνικά χαρακτηριστικά του ΜΥΗΣ ενσωματώνεται στη διαδικασία εκπαίδευσης του μοντέλου. Πέρα από αυτά, εστιάζουμε επίσης στην προγνωστική αβεβαιότητα που χαρακτηρίζει τέτοιες προβλέψεις, με πρωταρχικό στόχο να προχωρήσουμε πέρα από τις τυπικές, αλλά επισφαλείς, μεθόδους σημειακής πρόβλεψης, που παρέχουν μια μοναδική αναμενόμενη τιμή παραγωγής ενέργειας. Τέλος, συζητάμε τη χρήση της προτεινόμενης διαδικασίας πρόβλεψης υπό αβεβαιότητα, στην πραγματική αγορά ηλεκτρικής ενέργειας.

    Σημείωση:

    Τα μοντέλα προσομοίωσης και πρόγνωσης αναπτύχθηκαν σε περιβάλλον R environment και είναι διαθέσιμα στην ακόλουθη διεύθυνση: https://github.com/corinadrakaki/Day-ahead-energy-production-in-small-hydropower-plants

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2165/1/documents/adgeo-56-155-2022.pdf (217 KB)

    Βλέπε επίσης: https://adgeo.copernicus.org/articles/56/155/2022/

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Krechowicz, A., M. Krechowicz, and K. Poczeta, Machine learning approaches to predict electricity production from renewable energy sources, Energies, 15(23), 9146, doi:10.3390/en15239146, 2022.
    2. Ghobadi, F., and D. Kang, Application of machine learning in water resources management: A systematic literature review, Water, 15(4), 620, doi:10.3390/w15040620, 2023.
    3. Chen, B., Y. Long, H. Wei, B. Li, Y. Zhang, W. Deng, and C. Li, A weak-coupling flow-power forecasting method for small hydropower station group, International Journal of Energy Research, 2023, 1214269, doi:10.1155/2023/1214269, 2023.
    4. Karakuş, M. O., Impact of climatic factors on the prediction of hydroelectric power generation: A deep CNN-SVR approach, Geocarto International, doi:10.1080/10106049.2023.2253203, 2023.
    5. #Chauhan, R., N. Batra, S. Goyal, and A. Kaur, Optimizing water resources with IoT and ML: A water management system, Innovations in Machine Learning and IoT for Water Management, A. Kumar, A. Lal Srivastav, A. Kumar Dubey, V. Dutt, N. Vyas (editors), Chapter 4, 94-109, doi:10.4018/979-8-3693-1194-3.ch005, 2024.

  1. G.-K. Sakki, I. Tsoukalas, and A. Efstratiadis, A reverse engineering approach across small hydropower plants: a hidden treasure of hydrological data?, Hydrological Sciences Journal, 67 (1), 94–106, doi:10.1080/02626667.2021.2000992, 2022.

    [Η προσέγγιση της αντίστροφης μηχανοτεχνικής σε μικρά υδροηλεκτρικά έργα: ένας κρυμμένος θησαυρός υδρολογικών δεδομένων;]

    Η περιορισμένη διαθεσιμότητα υδρολογικών δεδομένων καθιστά τον σχεδιασμό, διαχείριση και λειτουργία των υδατικών συστημάτων σε πραγματικό χρόνο, ένα δύσκολο εγχείρημα. Εδώ προτείνουμε ένα γενικό στοχαστικό πλαίσιο για το αποκαλούμενο αντίστροφο πρόβλημα της υδροηλεκτρικής ενέργειας, χρησιμοποιώντας δεδομένα παραγωγής ενέργειας από μικρά υδροηλεκτρικά έργα (ΜΥΗΕ) για την ανάκτηση των ανάντη εισροών. Σε αυτό το πλαίσιο, διερευνούμε τις εναλλακτικές διαμορφώσεις των μετασχηματισμών νερού-ενέργειας σε ΜΥΗΕ με αμελητέα αποθηκευτική ικανότητα, που διέπονται από πολλαπλές αβεβαιότητες. Εστιάζουμε σε δύο βασικές πηγές, ήτοι τα σφάλματα παρατηρήσεων στην ενεργειακή παραγωγή και τις αβέβαιες καμπύλες απόδοσης των υδροστροβίλων. Ακόμη, προκειμένου να εξαχθεί το πλήρες υδρογράφημα, επεκτείνουμε τις υψηλές και χαμηλές ροές εκτός του εύρους λειτουργίας των στροβίλων, εφαρμόζοντας εμπειρικούς κανόνες για την αναπαράσταση των ανοδικών και καθοδικών κλάδων των προσομοιωμένων υδρογραφημάτων. Το πλαίσιο επιδεικνύεται σε ένα πραγματικό σύστημα στη λεκάνη απορροής του Ευήνου, στην Ελλάδα. Αξιοποιώντας την προτεινόμενη μεθοδολογία, τα ΜΥΗΕ μπορούν να δράσουν ως δυνητικοί υδρομετρικοί σταθμοί και να βελτιώσουν την τρέχουσα πληροφορία σε περιοχές με φτωχές μετρητικές υποδομές.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Garrett, K. P., R. A. McManamay, and A. Witt, Harnessing the power of environmental flows: Sustaining river ecosystem integrity while increasing energy potential at hydropower dams, Renewable and Sustainable Energy Reviews, 173(1), 113049, doi:10.1016/j.rser.2022.113049, 2023.

  1. P. Kossieris, I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Generic framework for downscaling statistical quantities at fine time-scales and its perspectives towards cost-effective enrichment of water demand records, Water, 13 (23), 3429, doi:10.3390/w13233429, 2021.

    [Γενικό πλαίσιο επιμερισμού των στατιστικών μεγεθών σε λεπτές χρονικές κλίμακες και οι προοπτικές του προς τον οικονομικά αποδοτικό εμπλουτισμό των αρχείων ζήτησης νερού]

    Το δύσκολο έργο της γέννησης συνθετικών χρονοσειρών σε λεπτότερες χρονικές κλίμακες από τα παρατηρούμενα δεδομένα, ενσωματώνει την ανακατασκευή ενός πλήθους βασικών στατιστικών μεγεθών στην επιθυμητή (δηλαδή, χαμηλότερη) κλίμακα ενδιαφέροντος. Αυτό το άρθρο εισάγει ένα φειδωλό και γενικό πλαίσιο για τον επιμερισμό των στατιστικών μεγεθών, αποκλειστικά βασισμένο σε διαθέσιμες πληροφορίες σε πιο αδρομερείς χρονικές κλίμακες. Η μεθοδολογία βασίζεται σε τρία βασικά στοιχεία: α) την ανάλυση της συμπεριφοράς των στατιστικών χαρακτηριστικών σε πολλαπλές χρονικές κλίμακες, β) τη χρήση παραμετρικών συναρτήσεων για τη μοντελοποίηση αυτής της συμπεριφοράς, και γ) την εκμετάλλευση των δυνατοτήτων επέκτασης των συναρτήσεων για επιμερισμό των σχετικών στατιστικών μεγεθών σε λεπτότερες κλίμακες. Εδώ, παρουσιάζουμε τη μεθοδολογία χρησιμοποιώντας αρχεία οικιακής ζήτησης νερού και επικεντρωνόμαστε στον επιμερισμό των παρακάτω βασικών μεγεθών: διασπορά, L-διασπορά, L-ασυμμετρία, και πιθανότητα μηδενικών τιμών (καμία ζήτηση, διαλείπουσα συμπεριφορά), που χρησιμοποιούνται συνήθως στην παραμετροποίηση ενός μοντέλου στοχαστικής προσομοίωσης. Συγκεκριμένα, επιμερίζουμε τα παραπάνω στατιστικά στοιχεία σε κλίμακα λεπτού, υποθέτοντας δύο σενάρια αρχικής ανάλυσης των δεδομένων, ήτοι 5 και 10 λεπτά. Η αξιολόγηση της μεθοδολογίας σε αρκετές περιπτώσεις δείχνει ότι τα τέσσερα στατιστικά χαρακτηριστικά μπορούν να ανακατασκευαστούν καλά. Προχωρώντας ένα βήμα παραπέρα, τοποθετούμε τη μεθοδολογία επιμερισμού σε ένα πιο ολοκληρωμένο πλαίσιο μοντελοποίησης, για έναν οικονομικά αποδοτικό εμπλουτισμό των δειγμάτων λεπτής ανάλυσης με συνθετικά, λαμβάνοντας υπόψη την τρέχουσα περιορισμένη διαθεσιμότητα μετρήσεων ζήτησης νερού σε λεπτή ανάλυση.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2164/1/documents/water-13-03429.pdf (2042 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/13/23/3429

  1. G. Papaioannou, L. Vasiliades, A. Loukas, A. Alamanos, A. Efstratiadis, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, A flood inundation modelling approach for urban and rural areas in lake and large-scale river basins, Water, 13 (9), 1264, doi:10.3390/w13091264, 2021.

    [Μοντέλο πλημμυρικής κατάκλυσης για αστικές και εξωαστικές περιοχές σε λεκάνες απορροής λιμνών και ποταμών μεγάλης κλίμακας]

    Οι ποτάμιες πλημμύρες είναι ένας από τους κύριους φυσικούς κινδύνους για την κοινωνία μας και ο σχετικός πλημμυρικός κίνδυνος θα πρέπει πάντα να αξιολογείται για τις παρούσες και μελλοντικές συνθήκες. Η Οδηγία της Ευρωπαϊκής Ένωσης για τις πλημμύρες υπογραμμίζει τη σημασία της χαρτογράφησης πλημμυρών ως βασικού σταδίου για τον εντοπισμό των ευάλωτων περιοχών, την αξιολόγηση των επιπτώσεων των πλημμυρών και τον προσδιορισμό των ζημιών και των σχεδίων αποζημίωσης. Η εφαρμογή της Ε.Ε. Οδηγίας του Ε. Ε. για τις Πλημμύρες στην Ελλάδα αποτελεί πρόκληση, λόγω της γεωφυσικής και κλιματικής μεταβλητότητάς της και των διαφορετικών υδρολογικών και υδραυλικών συνθηκών. Αυτή η μελέτη αντιμετωπίζει την συγκεκριμένη πρόκληση με τη μοντελοποίηση της βροχόπτωσης σχεδιασμού σε επίπεδο υπολεκάνης και την επακόλουθη εκτίμηση των πλημμυρογραφημάτων σχεδιασμού, εφαρμόζοντας τη διαδικασία Μοναδιαίου Υδρογραφήματος της NRCS. Για τη διόδευση των πλημμυρών, την εκτίμηση των χαρακτηριστικών της πλημμύρας (ήτοι τα βάθη νερού και τις ταχύτητες ροής) και τη χαρτογράφηση των κατακλυζομένων περιοχών χρησιμοποιείται το μοντέλο HEC-RAS 2D. Η προσέγγιση μοντελοποίησης έχει εφαρμοστεί σε δύο πολύπλοκες και αντιπροσωπευτικές λεκάνες χωρίς μετρήσεις, ήτοι τη λεκάνη της λίμνης Παμβώτιδας που βρίσκεται στην Περιφέρεια Ηπείρου της υγρής Δυτικής Ελλάδας, και τη λεκάνη του Πηνειού που βρίσκεται στην Περιφέρεια Θεσσαλίας της ξηρότερης κεντρικής Ελλάδας, μια λεκάνη με σύνθετο δενδριτικό υδρογραφικό δίκτυο, που εκτείνεται σε περισσότερα από 1188 km. Η προτεινόμενη προσέγγιση μοντελοποίησης στοχεύει στην καλύτερη εκτίμηση και χαρτογράφηση των κατακλυζομένων περιοχών από πλημμύρες, συμπεριλαμβανομένων των σχετικών αβεβαιοτήτων, και στην παροχή καθοδήγησης σε επαγγελματίες και ακαδημαϊκούς.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2121/1/documents/water-13-01264-v2.pdf (45029 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/13/9/1264

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Varlas, G., A. Papadopoulos, G. Papaioannou, and E. Dimitriou, Evaluating the forecast skill of a hydrometeorological modelling system in Greece, Atmosphere, 12(7), 902, doi:10.3390/atmos12070902, 2021.
    2. Karamvasis, K., and V. Karathanassi, FLOMPY: An open-source toolbox for floodwater mapping using Sentinel-1 intensity time series, Water, 13(21), 2943, doi:10.3390/w13212943, 2021.
    3. Alamanos, A., P. Koundouri, L. Papadaki, and T. Pliakou, A system innovation approach for science-stakeholder interface: theory and application to water-land-food-energy nexus, Frontiers in Water, 3, 744773, doi:10.3389/frwa.2021.744773, 2022.
    4. Papaioannou, G., V. Markogianni, A. Loukas, and E. Dimitriou, Remote sensing methodology for roughness estimation in ungauged streams for different hydraulic/hydrodynamic modeling approaches, Water, 14(7), 1076, doi:10.3390/w14071076, 2022.
    5. Borowska-Stefańska, M., L. Balážovičová, K. Goniewicz, M. Kowalski, P. Kurzyk, M. Masný, S. Wiśniewski, M. Žoncová, and A. Khorram-Manesh, Emergency management of self-evacuation from flood hazard areas in Poland, Transportation Research Part D: Transport and Environment, 107, 103307, doi:10.1016/j.trd.2022.103307, 2022.
    6. #Alamanos, A., and P. Koundouri, Emerging challenges and the future of water resources management, DEOS Working Papers, 2221, Athens University of Economics and Business, 2022.
    7. Ciurte, D. L., A. Mihu-Pintilie, A. Urzică, and A. Grozavu, Integrating LIDAR data, 2d HEC-RAS modeling and remote sensing to develop flood hazard maps downstream of a large reservoir in the inner Eastern Carpathians, Carpathian Journal of Earth and Environmental Sciences, 18(1), 149-169, doi:10.26471/cjees/2023/018/248, 2023.
    8. Vasiliades, L., G. Papaioannou, and A. Loukas, A unified hydrologic framework for flood design estimation in ungauged basins, Environmental Sciences Proceedings, 25(1), 40, doi:10.3390/ECWS-7-14194, 2023.
    9. Iliadis, C., P. Galiatsatou, V. Glenis, P. Prinos, and C. Kilsby, Urban flood modelling under extreme rainfall conditions for building-level flood exposure analysis, Hydrology, 10(8), 172, doi:10.3390/hydrology10080172, 2023.
    10. Iliadis, C., V. Glenis, and C. Kilsby, Cloud modelling of property-level flood exposure in megacities, Water, 15(19), 3395, doi:10.3390/w15193395, 2023.
    11. Alamanos, A., G. Papaioannou, G. Varlas, V. Markogianni, A. Papadopoulos, and E. Dimitriou, Representation of a post-fire flash-flood event combining meteorological simulations, remote sensing, and hydraulic modeling, Land, 13(1), 47, doi:10.3390/land13010047, 2024.
    12. Semiem A. G., G. T. Diro, T. Demissie, Y. M. Yigezu, and B. Hailu, Towards improved flash flood forecasting over Dire Dawa, Ethiopia using WRF-Hydro, Water, 15(18), 3262, doi:10.3390/w15183262, 2023.
    13. #Alamanos, A., and P. Kountouri, Integrated and sustainable water resources management: Modeling, Elgar Encyclopedia of Water Policy, Economics and Management, edited by P. Kountouri and A. Alamanos, Chapter 32, 137-141, Edward Elgar Publishing, doi:10.4337/9781802202946.00039, 2024.
    14. #Alamanos, A., and P. Kountouri, Future challenges of water resources management, Elgar Encyclopedia of Water Policy, Economics and Management, edited by P. Kountouri and A. Alamanos, Chapter 21, 87-93, Edward Elgar Publishing, doi:10.4337/9781802202946.00028, 2024.
    15. Varlas, G., A. Papadopoulos, G. Papaioannou, V. Markogianni, A. Alamanos, and E. Dimitriou, Integrating ensemble weather predictions in a hydrologic-hydraulic modelling system for fine-resolution flood forecasting: The Case of Skala bridge at Evrotas River, Greece, Atmosphere, 15(1), 120, doi:10.3390/atmos15010120, 2024.

  1. I. Tsoukalas, The tales that the distribution tails of non-Gaussian autocorrelated processes tell: Efficient methods for the estimation of the k-length block-maxima distribution, doi:10.1080/02626667.2021.2014056, 2021, (υπό έκδοση).

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2094/1/documents/block_maxima.pdf (3528 KB)

  1. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Generalized storage-reliability-yield framework for hydroelectric reservoirs, Hydrological Sciences Journal, 66 (4), 580–599, doi:10.1080/02626667.2021.1886299, 2021.

    [Γενικευμένο πλαίσιο χωρητικότητας-αξιοπιστίας-απόληψης για υδροηλεκτρικούς ταμιευτήρες]

    Αν και οι σχέσεις χωρητικότητας-αξιοπιστίας-απόληψης έχουν χρησιμοποιηθεί ευρέως στον σχεδιασμό και διαχείριση των υδρευτικών ταμιευτήρων, η εφαρμογή τους στην υδροηλεκτρική ενέργεια είναι πρακτικά ανύπαρκτη. Εδώ επισκεπτόμαστε ξανά την εν λόγω ανάλυση και αναζητούμε την γενική της διατύπωση για υδροηλεκτρικούς ταμιευτήρες, ακολουθώντας μια προσέγγιση στοχαστικής προσομοίωσης. Αφού ορίσουμε βασικές έννοιες και εργαλεία των συμβατικών μελετών, τα προσαρμόζουμε σε υδροηλεκτρικά συστήματα, που διέπονται από διάφορες ιδιαιτερότητες. Δείχνουμε ότι κάτω από κάποιες εύλογες υποθέσεις, το πρόβλημα μπορεί να απλοποιηθεί δραστικά. Κύριες καινοτομίες είναι ο μετασχηματισμός αποθήκευσης-ύψους πτώσης-ενέργειας με τη χρήση μίας μοναδικής παραμέτρου, που αναπαριστά τη γεωμετρία του ταμιευτήρα, και η ανάπτυξη ενός εμπειρικού στατιστικού μέτρου, που εκφράζει την επίδοση του ταμιευτήρα με βάση την προσομοιωμένη καμπύλη πιθανότητας ενέργειας. Το προτεινόμενο πλαίσιο εφαρμόζεται σε ένα πλήθος υποθετικών ταμιευτήρων σε τρεις θέσεις ποταμών της Ελλάδας, με χρήση μηνιαίων συνθετικών δεδομένων εισροών, παρέχοντας εμπειρικές εκφράσεις της αξιόπιστη ενέργειας συναρτήσει της χωρητικότητας και γεωμετρίας του ταμιευτήρα.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Spanoudaki, K., P. Dimitriadis, E. A. Varouchakis, and G. A. C. Perez, Estimation of hydropower potential using Bayesian and stochastic approaches for streamflow simulation and accounting for the intermediate storage retention, Energies, 15(4), 1413, doi:10.3390/en15041413, 2022.
    2. Levitin, G., L. Xing, and Y. Dai, Unrepairable system with single production unit and n failure-prone identical parallel storage units, Reliability Engineering & System Safety, 222, 108437, doi:10.1016/j.ress.2022.108437, 2022.
    3. Levitin, G., L. Xing, and Y. Dai, Minimizing mission cost for production system with unreliable storage, Reliability Engineering & System Safety, 227, 108724, doi:10.1016/j.ress.2022.108724, 2022.
    4. Levitin, G., L. Xing, and Y. Dai, Optimizing the maximum filling level of perfect storage in system with imperfect production unit, Reliability Engineering & System Safety, 225, 108629, doi:10.1016/j.ress.2022.108629, 2022.
    5. Levitin, G., L. Xing, and Y. Dai, Unrepairable system with consecutively used imperfect storage units, Reliability Engineering & System Safety, 225, 108574, doi:10.1016/j.ress.2022.108574, 2022.
    6. Ren, P., M. Stewardson, and M. Peel, A simple analytical method to assess multiple-priority water rights in carryover systems, Water Resources Research, 58(12), e2022WR032530, doi:10.1029/2022WR032530, 2022.

  1. H. Elsayed, S. Djordjević, D. Savic, I. Tsoukalas, and C. Makropoulos, The Nile water-food-energy nexus under uncertainty: Impacts of the Grand Ethiopian Renaissance Dam, Journal of Water Resources Planning and Management - ASCE, 146 (11), 04020085, doi:10.1061/(ASCE)WR.1943-5452.0001285, 2020.

    Βλέπε επίσης: https://ascelibrary.org/doi/10.1061/%28ASCE%29WR.1943-5452.0001285

  1. I. Tsoukalas, P. Kossieris, and C. Makropoulos, Simulation of non-Gaussian correlated random variables, stochastic processes and random fields: Introducing the anySim R-Package for environmental applications and beyond, Water, 12 (6), 1645, doi:10.3390/w12061645, 2020.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2049/1/documents/water-12-01645.pdf (4754 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/12/6/1645

  1. P. Kossieris, I. Tsoukalas, C. Makropoulos, and D. Savic, Simulating marginal and dependence behaviour of water demand processes at any fine time scale, Water, 11 (5), 885, doi:10.3390/w11050885, 2019.

    [Προσομοίωση της περιθώριας και της από κοινού συμπεριφοράς των διεργασιών οικιακής ζήτησης νερού σε λεπτές χρονικές κλίμακες]

    Η ενσωμάτωση της αβεβαιότητας της οικιακής ζήτησης νερού είναι ιδιαίτερα σημαντική για τον εύρωστο και πιθανοτικό σχεδιασμό, λειτουργία και διαχείριση των συστημάτων αστικού νερού. Σε αυτό το πλαίσιο είναι ιδιαίτερα σημαντική η χρήση, σαν είσοδο στα συνήθως ντετερμινιστικά μοντέλα προσομοίωσης των συστημάτων, συνθετικών χρονοσειρών οι οποίες αναπαράγουν τη συμπεριφορά της περιθώριας κατανομής και τις στοχαστικές ιδιότητες της διεργασίας της ζήτησης. Οι τυπικές μέθοδοι προσομοίωσης της διεργασίας αυτής (όπως είναι τα στοχαστικά μοντέλα παλμών) αντιμετωπίζουν μερικώς το πρόβλημα, καθώς είτε αναπαράγουν συγκεκριμένα στατιστικά χαρακτηριστικά (χαμηλής τάξης) της περιθώριας κατανομής είτε αγνοούν τις δομές εξάρτησης. Στην παρούσα εργασία παρουσιάζεται μια ενιαία στρατηγική στοχαστικής μοντελοποίησης της ζήτησης, που επιτρέπει τη ρητή αναπαραγωγή της περιθώριας συμπεριφοράς και των στοχαστικών ιδιοτήτων της διεργασίας σε οποιαδήποτε λεπτή χρονική κλίμακα. Η στρατηγική αυτή συνδυάζει τα κλασσικά γραμμικά στοχαστικά μοντέλα, που δεν έχουν χρησιμοποιηθεί στο παρελθόν στον συγκεκριμένο τομέα, με το από κοινού μοντέλο πιθανότητας Nataf (Nataf’s joint distribution model). Η αποτελεσματικότητα και η ευελιξία της μεθόδου παρουσιάζεται μέσω τριών πραγματικών προβλημάτων προσομοίωσης που εμπλέκουν μια μεγάλη ποικιλία από συναρτήσεις κατανομής και δομές εξάρτησης, όπως αυτές εντοπίζονται στις χρονοσειρές ζήτησης νερού από τη κλίμακα του 1 min έως τη 1 h.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1950/1/documents/water-11-00885.pdf (6862 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/11/5/885

  1. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Building a puzzle to solve a riddle: A multi-scale disaggregation approach for multivariate stochastic processes with any marginal distribution and correlation structure, Journal of Hydrology, 575, 354–380, doi:10.1016/j.jhydrol.2019.05.017, 2019.

    [Κατασκευάζοντας ένα πάζλ ώστε να λυθεί ένα αίνιγμα: Μια προσέγγιση επιμερισμού πολλαπλών κλιμάκων για πολυμεταβλητές στοχαστικές διεργασίες από οποιαδήποτε περιθώρια κατανομή και δομή συσχέτισης]

    Η γέννηση υδρομετεωρολογικών χρονοσειρών που ακολουθούν μια δεδομένη πιθανοτική και στοχαστική δίαιτα σε πολλαπλές χρονικές κλίμακες, παραδοσιακά εκφραζόμενη σε όρους συγκεκριμένων στατιστικών χαρακτηριστικών των παρατηρημένων δεδομένων, αποτελεί κρίσιμο ζητούμενο σε μελέτες ρίσκου στους υδατικούς πόρους και, ταυτόχρονα, ένα αίνιγμα για την κοινότητα της στοχαστικής. Η κύρια πρόκληση πηγάζει από το γεγονός ότι η αναπαραγωγή μιας συγκεκριμένης δίαιτας για μια συγκεκριμένη χρονική κλίμακα δεν επιβάλει την αναπαραγωγή της επιθυμητής δίαιτας σε καμία άλλη κλίμακα συνάθροισης. Στο πλαίσιο αυτό, εισάγουμε αρχικά μια σειριακή σύζευξη στοχαστικών μοντέλων τύπου Nataf, μέσω ενός σχήματος επιμερισμού, και στη συνέχεια προτείνουμε μια διαμόρφωση αρθρωτής μορφής (τύπου "παζλ"), που παρέχει ενα γενικό πλαίσιο στοχαστικής προσομοίωσης για πολυμεταβλητές διεργασίες που ακολουθούν οποιαδήποτε κατανομή και δομή συσχέτισης. Στις μελέτες περίπτωσης παρουσιάζουμε δύο χαρακτηριστικές διαμορφώσεις, ήτοι ένα σχήμα τριών επιπέδων, που λειτουργεί σε ημερήσια, μηνιαία και ετήσια βάση, και ένα δύο επιπέδων, για τον επιμερισμό ημερήσιων σε ωριαία δεδομένα. Η πρώτη διαμόρφωση εφαρμόζεται για τη γέννηση συσχετισμένων ημερήσιων δεδομένων βροχόπτωσης και απορροής στη λεκάνη του Αχελώου, στη Δυτική Ελλάδα, που διατηρεί τη στοχαστική δομή των δύο διεργασιών στις τρεις χρονικές κλίμακες. Η δεύτερη διατύπωση επιμερίζει ημερήσιες βροχοπτώσεις, που λαμβάνονται από έναν μετεωρολογικό σταθμό στη Γερμανία, σε ωριαίες. Οι δύο μελέτες αναδεικνύουν την ικανότητα του προτεινόμενου πλαισίου να αναπαραστήσει την ιδιάζουσα συμπεριφορά των υδρομετεωρολογικών διεργασιών σε πολλαπλές κλίμακες χρονικής ανάλυσης, καθώς και την ευελιξία του ως προς τη διατύπωση γενικών σχημάτων προσομοίωσης.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1914/1/documents/A038_Building_a_puzzle_to_solve_a_riddle.pdf (16518 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Macian-Sorribes, H., J.-L. Molina, S. Zazo, and M. Pulido-Velázquez, Analysis of spatio-temporal dependence of inflow time series through Bayesian causal modelling, Journal of Hydrology, 597, 125722, doi:10.1016/j.jhydrol.2020.125722, 2021.
    2. Wang, Q., J. Zhou, K. Huang, L. Dai, B. Jia, L. Chen, and H. Qin, A procedure for combining improved correlated sampling methods and a resampling strategy to generate a multi-site conditioned streamflow process, Water Resources Management, 35, 1011-1027, doi:10.1007/s11269-021-02769-8, 2021.
    3. Brereton, R. G., P values and multivariate distributions: Non-orthogonal terms in regression models, Chemometrics and Intelligent Laboratory Systems, 210, 104264, doi:10.1016/j.chemolab.2021.104264, 2021.
    4. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    5. Biondi, D., E. Todini, and A. Corina, A parsimonious post-processor for uncertainty evaluation of ensemble precipitation forecasts: An application to quantitative precipitation forecasts for civil protection purposes, Hydrology Research, 52(6), 1405-1422, doi:10.2166/nh.2021.045, 2021.
    6. Jahangir, M. S., and J. Quilty, Temporal hierarchical reconciliation for consistent water resources forecasting across multiple timescales: An application to precipitation forecasting, Water Resources Research, 58(6), e2021WR031862, doi:10.1029/2021WR031862, 2022.
    7. Wan Mazlan, W. A. S., and N. N. A. Tukimat, Comparative analyses on disaggregation methods for the rainfall projection, Water Resources Management, doi:10.1007/s11269-023-03546-5, 2023.

  1. Ε. Psarrou, I. Tsoukalas, and C. Makropoulos, A Monte-Carlo-based method for the optimal placement and operation scheduling of sewer mining units in urban wastewater networks, Water, 10 (2), 200, doi:10.3390/w10020200, 2018.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1903/1/documents/water-10-00200.pdf (8639 KB)

    Βλέπε επίσης: https://www.mdpi.com/2073-4441/10/2/200

  1. I. Tsoukalas, C. Makropoulos, and D. Koutsoyiannis, Simulation of stochastic processes exhibiting any-range dependence and arbitrary marginal distributions, Water Resources Research, 54 (11), 9484–9513, doi:10.1029/2017WR022462, 2018.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Brunner, M. I., A. Bárdossy, and R. Furrer, Technical note: Stochastic simulation of streamflow time series using phase randomization, Hydrology and Earth System Sciences, 23, 3175-3187, doi:10.5194/hess-23-3175-2019, 2019.
    2. Cheng, Y., P. Feng, J. Li, Y. Guo, and P. Ren, Water supply risk analysis based on runoff sequence simulation with change point under changing environment, Advances in Meteorology, 9619254, doi:10.1155/2019/9619254, 2019.
    3. #Elsayed, H., S. Djordjević, and D. Savić, The Nile water, food and energy nexus – A system dynamics model, 7th International Computing & Control for the Water Industry Conference, Exeter, United Kingdom, 2019.

  1. I. Tsoukalas, S.M. Papalexiou, A. Efstratiadis, and C. Makropoulos, A cautionary note on the reproduction of dependencies through linear stochastic models with non-Gaussian white noise, Water, 10 (6), 771, doi:10.3390/w10060771, 2018.

    [Προειδοποιητική επισήμανση σχετικά με την αναπαραγωγή των εξαρτήσεων μέσω γραμμικών στοχαστικών μοντέλων με μη γκαουσιανό λευκό θόρυβο]

    Από τις πρώτες ημέρες της στοχαστικής υδρολογίας πίσω στη δεκαετία του ’60, τα μοντέλα αυτοπαλινδρόμησης (AR) και κινούμενου μέσου όρου (ΜΑ) χρησιμοποιήθηκαν ευρέως για την προσομοίωση υδρομετεωρολογικών διεργασιών. Αρχικά, κυριάρχησαν το μοντέλο AR(1) ή Μαρκοβιανά μοντέλα με γκαουσιανό θόρυβο, λόγω της εννοιολογικής και μαθηματικής τους απλότητας. Ωστόσο, η πανταχού παρούσα ασύμμετρη συμπεριφορά των περισσότερων υδρομετεωρολογικών διεργασιών, κυρίως στις λεπτές χρονικές κλίμακες, κατέστησε αναγκαία τη γέννηση συνθετικών χρονοσειρών που μπορούν επίσης να αναπαράξουν ροπές μεγαλύτερης τάξης. Συνεπώς, τα προηγούμενα σχήματα εμπλουτίστηκαν ώστε να διατηρούν την ασυμμετρία, μέσω της χρήσης μη γκαουσιανού λευκού θορύβου – τροποποίηση που αποδίδεται στους Thomas & Fiering (TF). Παρόλο που η διατήρηση ροπών υψηλότερης τάξης προκειμένου να προσεγγιστεί μια κατανομή αποτελεί μια περιορισμένη και δυνητικά επικίνδυνη λύση, η προσέγγιση TF κατέστη μια κοινή επιλογή στην επιχειρησιακή πρακτική. Στην παρούσα μελέτη, σχεδόν μισό αιώνα μετά την εισαγωγή τους, αποκαλύπτουμε μια σημαντική αδυναμία που εκτείνεται σε όλα τα δημοφιλή γραμμικά στοχαστικά μοντέλα που εφαρμόζουν μη γκαουσιανό λευκό θόρυβο. Εστιάζοντας στη μαρκοβιανή περίπτωση, αποδεικνύουμε μαθηματικά ότι αυτό το σχήμα γέννησης παράγει φραγμένες σχέσεις εξάρτησης, που είναι μη ρεαλιστικές και μη συνεπείς με τα παρατηρημένα δεδομένα. Η αποκαλούμενη ως «συμπεριφορά περιβλήματος» εντείνεται καθώς αυξάνει η ασυμμετρία και συσχέτιση, όπως αναδεικνύεται με βάση πραγματικά και υποθετικά προβλήματα προσομοίωσης.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1848/1/documents/water-10-00771.pdf (14101 KB)

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/10/6/771

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Papalexiou, S. M., Y. Markonis, F. Lombardo, A. AghaKouchak, and E. Foufoula‐Georgiou, Precise temporal Disaggregation Preserving Marginals and Correlations (DiPMaC) for stationary and non‐stationary processes, Water Resources Research, 54(10), 7435-7458, doi:10.1029/2018WR022726, 2018.
    2. Cheng, Y., P. Feng, J. Li, Y. Guo, and P. Ren, Water supply risk analysis based on runoff sequence simulation with change point under changing environment, Advances in Meteorology, 9619254, doi:10.1155/2019/9619254, 2019.
    3. Marković, D., S. Ilić, D. Pavlović, J. Plavšić, and N. Ilich, Multivariate and multi-scale generator based on non-parametric stochastic algorithms, Journal of Hydroinformatics, 21(6), 1102–1117, doi:10.2166/hydro.2019.071, 2019.
    4. Nazemi, A., M. Zaerpour, and E. Hassanzadeh, Uncertainty in bottom-up vulnerability assessments of water supply systems due to regional streamflow generation under changing conditions, Journal of Water Resources Planning and Management, 146(2), doi:10.1061/(ASCE)WR.1943-5452.0001149, 2020.
    5. Wang, Q., J. Zhou, K. Huang, L. Dai, B. Jia, L. Chen, and H. Qin, A procedure for combining improved correlated sampling methods and a resampling strategy to generate a multi-site conditioned streamflow process, Water Resources Management, 35, 1011-1027, doi:10.1007/s11269-021-02769-8, 2021.
    6. Zounemat-Kermani, M., A. Mahdavi-Meymand, and A. Hinkelmann, A comprehensive survey on conventional and modern neural networks: application to river flow forecasting, Earth Science Informatics, 14, 893-911, doi:10.1007/s12145-021-00599-1, 2021.
    7. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    8. Jia, B., J. Zhou, Z. Tang, Z. Xu, X. Chen, and W. Fang, Effective stochastic streamflow simulation method based on Gaussian mixture model, Journal of Hydrology, 605, 127366, doi:10.1016/j.jhydrol.2021.127366, 2022.

  1. G. Papaioannou, A. Efstratiadis, L. Vasiliades, A. Loukas, S.M. Papalexiou, A. Koukouvinos, I. Tsoukalas, and P. Kossieris, An operational method for Floods Directive implementation in ungauged urban areas, Hydrology, 5 (2), 24, doi:10.3390/hydrology5020024, 2018.

    [Επιχειρησιακή μέθοδος υλοποίησης της Οδηγίας για τις Πλημμύρες σε αστικές περιοχές χωρίς μετρητικές υποδομές]

    Αναπτύσσεται ένα επιχειρησιακό πλαίσιο για την εκτίμηση του πλημμυρικού κινδύνου σε αστικές περιοχές χωρίς μετρητικές υποδομές, στο πλαίσιο της υλοποίησης της Οδηγίας της ΕΕ για τις Πλημμύρες στην Ελλάδα, το οποίο επιδεικνύεται στην μητροπολιτική περιοχή του Βόλου, στην Κεντρική Ελλάδα, που επηρεάζεται συχνά από ισχυρές καταιγίδες που προκαλούν αστραπιαίες πλημμύρες. Εφαρμόζεται μια προσέγγιση σεναρίου, λαμβάνοντας υπόψη τις αβεβαιότητες σε καίριες πτυχές της μοντελοποίησης. Αυτό εμπεριέχει αναλύσεις ακραίων βροχοπτώσεων, από τις οποίες προκύπτουν χωρικά κατανεμημένες σχέσεις έντασης-διάρκειας-συχνότητας (όμβριες καμπύλες) και διαστήματα εμπιστοσύνης αυτών, και προσομοιώσεις πλημμυρών, μέσω της μεθόδου SCS-CN και της θεωρίας μοναδιαίου υδρογραφήματος, που παράγουν υδρογραφήματα σχεδιασμού σε κλίμακα υπολεκάνης, για διάφορες συνθήκες εδαφικής υγρασίας. Η διόδευση των πλημμυρικών υδρογραφημάτων και απεικόνιση των κατακλυζόμενων περιοχών υλοποιείται μέσω του μοντέλου HEC-RAS 2D, με ευέλικτη διάσταση κανάβου, αντιπροσωπεύοντας την αντίσταση που προκαλούν τα κτήρια μέσω της μεθόδου τοπικής ανύψωσης. Για όλα τα υδρογραφήματα εκτιμώνται άνω και κάτω όρια των βαθών νερού, ταχυτήτων ροής και κατακλυζόμενων εκτάσεων, για διάφορες τιμές του συντελεστή τραχύτητας. Η μεθοδολογία επαληθεύεται με βάση το πλημμυρικό επεισόδιο της 9ης Οκτωβρίου 2006, με τη χρήση παρατηρημένων δεδομένων πλημμυρικής κατάκλυσης. Οι αναλύσεις μας καταδεικνύουν ότι παρόλο που οι τυπικές προσεγγίσεις μηχανικού για λεκάνες χωρίς μετρήσεις υπόκεινται σε μείζονες αβεβαιότητες, η υδρολογική εμπειρία μπορεί να αντισταθμίσει την έλλειψη πληροφορίας, εξασφαλίζοντας έτσι αρκετά ρεαλιστικά αποτελέσματα.

    Σημείωση:

    Το άρθρο αυτό κέρδισε το βραβείο Hydrology Best Paper Award για το έτος 2020 (https://www.mdpi.com/journal/hydrology/awards/850)

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1829/1/documents/hydrology-05-00024_Idnk8fW.pdf (5243 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Petroselli, A., M. Vojtek, and J. Vojteková, Flood mapping in small ungauged basins: A comparison of different approaches for two case studies in Slovakia, Hydrology Research, 50(1), 379-392, doi:10.2166/nh.2018.040, 2018.
    2. Manfreda, S., C. Samela, A. Refice, V. Tramutoli, and F. Nardi, Advances in large-scale flood monitoring and detection, Hydrology, 5(3), 49, doi:10.3390/hydrology5030049, 2018.
    3. Doroszkiewicz, J., R. J. Romanowicz, and A. Kiczko, The influence of flow projection errors on flood hazard estimates in future climate conditions, Water, 11(1), 49, doi:10.3390/w11010049, 2019.
    4. Enigl, K., C. Matulla, M. Schlögla, and F. Schmid, Derivation of canonical total-sequences triggering landslides and floodings in complex terrain, Advances in Water Resources, 129, 178-188, doi:10.1016/j.advwatres.2019.04.018, 2019.
    5. Chen, N., S. Yao, C. Wang, and W. Du, A method for urban flood risk assessment and zoning considering road environments and terrain, Sustainability, 11(10), 2734, doi:10.3390/su11102734, 2019.
    6. Jiang, X., L., Yang, and H. Tatano, Assessing spatial flood risk from multiple flood sources in a small river basin: A method based on multivariate design rainfall, Water, 11(5), 1031, doi:10.3390/w11051031, 2019.
    7. Vojtek, M., A. Petroselli, J. Vojteková, and S. Asgharinia, Flood inundation mapping in small and ungauged basins: sensitivity analysis using the EBA4SUB and HEC-RAS modeling approach, Hydrology Research, 50(4), 1002-1019, doi:10.2166/nh.2019.163, 2019.
    8. Lorenzo-Lacruz, J., C. Garcia, E. Morán-Tejeda, A. Amengual, V. Homar, A. Maimó-Far, A. Hermoso, C. Ramis, and R. Romero, Hydro-meteorological reconstruction and geomorphological impact assessment of the October, 2018 catastrophic flash flood at Sant Llorenç, Mallorca (Spain), Natural Hazards and Earth System Sciences, 19(11), 2597-2617, doi:10.5194/nhess-19-2597-2019, 2019.
    9. Hamdan, A. N. A., A. A. Abbas, and A. T. Najm, Flood hazard analysis of proposed regulator on Shatt Al-Arab river, Hydrology, 6(3), 80, doi:0.3390/hydrology6030080, 2019.
    10. Deby, R., V. Dermawan, and D. Sisinggih, Analysis of Wanggu river flood inundation Kendari City Southeast Sulawesi province using HEC RAS 5.0.6, International Research Journal of Advanced Engineering and Science, 4(2), 270-275, 2019.
    11. Rauter, M., T. Thaler, M.-S. Attems, and S. Fuchs, Obligation or innovation: Can the EU Floods Directive Be seen as a tipping point towards more resilient flood risk management? A case study from Vorarlberg, Austria, Sustainability, 11, 5505, doi:10.3390/su11195505, 2019.
    12. Papaioannou, G., G. Varlas, G. Terti, A. Papadopoulos, A. Loukas, Y. Panagopoulos, and E. Dimitriou, Flood inundation mapping at ungauged basins using coupled hydrometeorological-hydraulic modelling: The catastrophic case of the 2006 flash flood in Volos City, Greece, Water, 11, 2328, doi:10.3390/w11112328, 2019.
    13. Rahmati, O., H. Darabi, A. T. Haghighi, S. Stefanidis, A. Kornejady, O. A. Nalivan, and D. T. Bui, Urban flood hazard modeling using self-organizing map neural network, Water, 11(11), 2370, doi:10.3390/w11112370, 2019.
    14. Dano, U. L., A.-L. Balogun, A.-N. Matori,K. Wan Yusouf, I. R. Abubakar, M. A. Said Mohamed, , Y.A. Aina, and B. Pradhan, Flood susceptibility mapping using an improved analytic network process with statistical models, Water, 11(3), 615, doi:10.3390/w11030615, 2019.
    15. Petroselli, A., S. Grimaldi, R. Piscopia, and F. Tauro, Design hydrograph estimation in small and ungauged basins: a comparative assessment of event based (EBA4SUB) and continuous (COSMO4SUB) modeling approaches, Acta Scientiarum Polonorum Formatio Circumiectus, 18(4), 113-124, doi:10.15576/ASP.FC/2019.18.4.113, 2019.
    16. Nguyen, V.-N., P. Yariyan, M. Amiri, A. Dang Tran, T.D. Pham, M.P. Do, P. T. Thi Ngo, V.-H. Nhu, N. Quoc Long, and D. Tien Bui, A new modeling approach for spatial prediction of flash flood with biogeography optimized CHAID tree ensemble and remote sensing data, Remote Sensing, 12(9), 1373, doi:10.3390/rs12091373, 2020.
    17. Kastridis, A., and D. Stathis, Evaluation of hydrological and hydraulic models applied in typical Mediterranean ungauged watersheds using post-flash-flood measurements, Hydrology, 7(1), 12, doi:10.3390/hydrology7010012, 2020.
    18. Stavropoulos, S., G. N. Zaimes, E. Filippidis, D. C. Diaconu, and D. Emmanouloudis, Mitigating flash floods with the use of new technologies: A multi-criteria decision analysis to map flood susceptibility for Zakynthos island, Greece, Journal of Urban & Regional Analysis, 12(2), 233-248, 2020.
    19. Kastridis, A., C. Kirkenidis, and M. Sapountzis, An integrated approach of flash flood analysis in ungauged Mediterranean watersheds using post‐flood surveys and Unmanned Aerial Vehicles (UAVs), Hydrological Processes, 34(25), 4920-4939, doi:10.1002/hyp.13913, 2020.
    20. Abdrabo, K. I., S. A. Kantoush, M. Saber, T. Sumi, O. M. Habiba, D. Elleithy, and B. Elboshy, Integrated methodology for urban flood risk mapping at the microscale in ungauged regions: A case study of Hurghada, Egypt, Remote Sensing, 12(21), 3548, doi:10.3390/rs12213548, 2020.
    21. Yariyan, P., M. Avand, R. A. Abbaspour, A. T. Haghighi, R. Costache, O. Ghorbanzadeh, S. Janizadeh, and T. Blaschke, Flood susceptibility mapping using an improved analytic network process with statistical models, Geomatics, Natural Hazards and Risk, 11(1), 2282-2314, doi:10.1080/19475705.2020.1836036, 2020.
    22. Papaioannou, G., C. Papadaki, and E. Dimitriou, Sensitivity of habitat hydraulic model outputs to DTM and computational mesh resolution, Ecohydrology, 13(2), e2182, doi:10.1002/eco.2182, 2020.
    23. Papaioannou, G., G. Varlas, A. Papadopoulos, A. Loukas, P. Katsafados, and E. Dimitriou, Investigating sea‐state effects on flash flood hydrograph and inundation forecasting, Hydrological Processes, 35(4), e14151, doi:10.1002/hyp.14151, 2021.
    24. Mahamat Nour, A., C. Vallet‐Coulomb, J. Gonçalves, F. Sylvestre, and P. Deschamps, Rainfall-discharge relationship and water balance over the past 60 years within the Chari-Logone sub-basins, Lake Chad basin, Journal of Hydrology: Regional Studies, 35, 100824, doi:10.1016/j.ejrh.2021.100824, 2021.
    25. Varlas, G., A. Papadopoulos, G. Papaioannou, and E. Dimitriou, Evaluating the forecast skill of a hydrometeorological modelling system in Greece, Atmosphere, 12(7), 902, doi:10.3390/atmos12070902, 2021.
    26. Khalaj, M. R., H. Noor, and A. Dastranj, Investigation and simulation of flood inundation hazard in urban areas in Iran, Geoenvironmental Disasters, 8, 18, doi:10.1186/s40677-021-00191-1, 2021.
    27. Hooke, J., J. Souza, and M. Marchamalo, Evaluation of connectivity indices applied to a Mediterranean agricultural catchment, Catena, 207, 105713, doi:10.1016/j.catena.2021.105713, 2021.
    28. Seleem, O., M. Heistermann, and A. Bronstert, Efficient hazard assessment for pluvial floods in urban environments: A benchmarking case study for the city of Berlin, Germany, Water, 13(18), 2476, doi:10.3390/w13182476, 2021.
    29. Cotugno, A., V. Smith, T. Baker, and R. Srinivasan, A framework for calculating peak discharge and flood inundation in ungauged urban watersheds using remotely sensed precipitation data: A case study in Freetown, Sierra Leone, Remote Sensing, 13(19), 3806, doi:10.3390/rs13193806, 2021.
    30. Berteni, F., A. Dada, and G. Grossi, Application of the MUSLE model and potential effects of climate change in a small Alpine catchment in Northern Italy, Water, 13(19), 2679, doi:10.3390/w13192679, 2021.
    31. Kastridis, A., G. Theodosiou, and G. Fotiadis, Investigation of flood management and mitigation measures in ungauged NATURA protected watersheds, Hydrology, 8(4), 170, doi:10.3390/hydrology8040170, 2021.
    32. Ali, A. A., and H. A. Al Thamiry, H. A., Controlling the salt wedge intrusion in Shatt Al-Arab river by a barrage, Journal of Engineering, 27(12), 69-86, doi:10.31026/j.eng.2021.12.06, 2021.
    33. Alamanos, A., P. Koundouri, L. Papadaki, and T. Pliakou, A system innovation approach for science-stakeholder interface: theory and application to water-land-food-energy nexus, Frontiers in Water, 3, 744773, doi:10.3389/frwa.2021.744773, 2022.
    34. Papaioannou, G., V. Markogianni, A. Loukas, and E. Dimitriou, Remote sensing methodology for roughness estimation in ungauged streams for different hydraulic/hydrodynamic modeling approaches, Water, 14(7), 1076, doi:10.3390/w14071076, 2022.
    35. Jessie, L., O. Brivois, P. Mouillon, A. Maspataud, P. Belz, and J.-M. Laloue, Coastal flood modeling to explore adaptive coastal management scenarios and land-use changes under sea level rise, Frontiers in Marine Science, 9, 710086, doi:10.3389/fmars.2022.710086, 2022.
    36. Tegos, A., A. Ziogas, V. Bellos, and A. Tzimas, Forensic hydrology: a complete reconstruction of an extreme flood event in data-scarce area, Hydrology, 9(5), 93, doi:10.3390/hydrology9050093, 2022.
    37. Neves, J. L., T. K. Sellick, A. Hasan, and P. Pilesjö, Flood risk assessment under population growth and urban land use change in Matola, Mozambique, African Geographical Review, doi:10.1080/19376812.2022.2076133, 2022.
    38. Khosh Bin Ghomash, S., D. Bachmann, D. Caviedes-Voullième, and C. Hinz, Impact of rainfall movement on flash flood response: A synthetic study of a semi-arid mountainous catchment, Water, 14(12), 1844, doi:10.3390/w14121844, 2022.
    39. Arnsteg, A., J. Glinski, P. Marijauskaite, A. Nitschke, M. Olsson, A. Pierre, L. Rosenquist Ohlsson, S. van der Vleuten, and P. Pilesjö, Flood modelling and proposed Blue-Green Solutions – A case study in Lisbon, Portugal, AGILE: GIScience Series, 3, 53, doi:10.5194/agile-giss-3-53-2022, 2022.
    40. Yavuz, C., K. Yilmaz, and G. Onder, Combined hazard analysis of flood and tsunamis on the western Mediterranean coast of Turkey, Nat. Hazards Earth Syst. Sci. Discuss., doi:10.5194/nhess-2022-121, 2022.
    41. Giannaros, C., S. Dafis, S. Stefanidis, T. M. Giannaros, I. Koletsis, and C. Oikonomou, Hydrometeorological analysis of a flash flood event in an ungauged Mediterranean watershed under an operational forecasting and monitoring context, Meteorological Applications, 29(4), e2079, doi:10.1002/met.2079, 2022.
    42. Koutalakis, P., and G. N. Zaimes, River flow measurements utilizing UAV-based surface velocimetry and bathymetry coupled with sonar, Hydrology, 9(8), 148, doi:10.3390/hydrology9080148, 2022.
    43. #Yassine, R., M. Lastes, A. Argence, A. Gandouin, C. Imperatrice, P. Michel, R. Zhang, P. Brigode, O. Delestre, and F. Taccone, Simulation of the Alex storm flash-flood in the Vésubie catchment (South Eastern France) using Telemac-2D hydraulic code, Advances in Hydroinformatics, Gourbesville, P., Caignaert, G. (eds.), Springer Water, Springer, Singapore, doi:10.1007/978-981-19-1600-7_52, 2022.
    44. Donnelly, J., S. Abolfathi, J. Pearson, O. Chatrabgoun, and A. Daneshkhah, Gaussian process emulation of spatio-temporal outputs of a 2D inland flood model, Water Research, 225, 119100, doi:10.1016/j.watres.2022.119100, 2022.
    45. Alamanos, A., P. Koundouri, L. Papadaki, T. Pliakou, and E. Toli, Water for tomorrow: A living lab on the creation of the science-policy-stakeholder interface, Water, 14(18), 2879, doi:10.3390/w14182879, 2022.
    46. #Alves, R., J. C. Branco, and J. S. Baptista, Flood risk assessment and emergency planning – A short review, Occupational and Environmental Safety and Health IV, Studies in Systems, Decision and Control, 449, 615-629, Springer, Cham, doi:10.1007/978-3-031-12547-8_49, 2023.
    47. Alarifi, S. S., M. Abdelkareem, F. Abdalla, and M. Alotaibi, Flash flood hazard mapping using remote sensing and GIS techniques in Southwestern Saudi Arabia, Sustainability, 14(21), 14145, doi:10.3390/su142114145, 2022.
    48. Yavuz, C., K. Yilmaz, K., and G. Onder, Multi-hazard analysis of flood and tsunamis on the western Mediterranean coast of Turkey, Natural Hazards and Earth System Sciences, 22, 3725-3736, doi:10.5194/nhess-22-3725-2022, 2022.
    49. Rusinko, A., and S. Horáčková, Flash flood simulation in the urbanised catchment: Aa case study of Bratislava-Karlova Ves, Geographia Cassoviensis, 16(2), 81-97, doi:10.33542/GC2022-2-01, 2022.
    50. #Vasiliades, L., E. Farsirotou, and A. Psilovikos, An integrated hydrologic/hydraulic analysis of the Medicane "Ianos" flood event in Kalentzis River Basin, Greece, Proceedings of 7th IAHR Europe Congress "Innovative Water Management in a Changing Climate”, 235-236, Athens, International Association for Hydro-Environment Engineering and Research (IAHR), 2022.
    51. Efe, H., and F. Önen, Failure analysis of Batman Dam and evaluation in terms of dam safety, Dicle University Journal of Engineering, 13(3), 579-587, doi:10.24012/dumf.1097025, 2022.
    52. Adnan, M. S. G. , Z. S. Siam, I. Kabir, Z. Kabir, M. R. Ahmed, Q. K. Hassan, R. M. Rahman, and A. Dewan, A novel framework for addressing uncertainties in machine learning-based geospatial approaches for flood prediction, Journal of Environmental Management, 326(B), 116813, doi:10.1016/j.jenvman.2022.116813, 2023.
    53. Cahyono, A. B., and A. B. Hak, Flood inundation simulation using HEC-GeoRAS with hydro-enforced-DTM LiDAR data, IOP Conference Series: Earth and Environmental Science, 1127, 012049, doi:10.1088/1755-1315/1127/1/012049, 2023.
    54. Khosh Bin Ghomash, S., D. Bachmann, D. Caviedes-Voullième, and C Hinz, Effects of within-storm variability on allochthonous flash flooding: A synthetic study, Water, 15(4), 645, doi:10.3390/w15040645, 2023.
    55. Yilmaz, K., Y. Darama, Y., Y. Oruc, and A. B. Melek, Assessment of flood hazards due to overtopping and piping in Dalaman Akköprü Dam, employing both shallow water flow and diffusive wave equations, Natural Hazards, 117, 979-1003, doi:10.1007/s11069-023-05891-5, 2023.
    56. Mattas, C., D. Karpouzos, P. Georgiou, and T. Tsapanos, Two-dimensional modelling for dam break analysis and flood hazard mapping: A case study of Papadia Dam, Northern Greece, Water, 15(5), 994, doi:10.3390/w15050994, 2023.
    57. Hughes, W., L. Santos, Q. Lu, R. Malla, N. Ravishanker, and W. Zhang, Probabilistic risk assessment framework for predicting large woody debris accumulations and scour near bridges, Structure and Infrastructure Engineering, doi:10.1080/15732479.2023.2177875, 2023.
    58. Vasiliades, L., G. Papaioannou, and A. Loukas, A unified hydrologic framework for flood design estimation in ungauged basins, Environmental Sciences Proceedings, 25(1), 40, doi:10.3390/ECWS-7-14194, 2023.
    59. Akkus, H., E. Yildiz, and I. Bulut, HEC-RAS 2B Modeli Kullanılarak Yazılıkaya Deresi (Nallıhan Ankara) Sel Tehlike Haritalarının Hazırlanması ve Sel Kontrol Yapısının Etkinliği, Jeoloji Muhendisligi Dergisi, 47(1), 29-46, doi:10.24232/jmd.1268945, 2023.
    60. Le Gal, M., T. Fernández-Montblanc, E. Duo, J. Montes Perez, P. Cabrita, P. Souto Ceccon, V. Gastal, P. Ciavola, and C. Armaroli, A new European coastal flood database for low-medium intensity events, EGUsphere, doi:10.5194/egusphere-2023-1157, 2023.
    61. Iliadis, C., P. Galiatsatou, V. Glenis, P. Prinos, and C. Kilsby, Urban flood modelling under extreme rainfall conditions for building-level flood exposure analysis, Hydrology, 10(8), 172, doi:10.3390/hydrology10080172, 2023.
    62. Uysal, G., and E. Taşçı, Analysis of downstream flood risk in the failure of Batman Dam with two-dimensional hydraulic modeling and satellite data, Journal of Natural Hazards and Environment, 9(1), 39-57, doi:10.21324/dacd.1107630, 2023.
    63. Kiesel, J., M. Lorenz, M. König, U. Gräwe, and A. T. Vafeidis, Regional assessment of extreme sea levels and associated coastal flooding along the German Baltic Sea coast, Natural Hazards and Earth System Sciences, 23, 2961-2985, doi:10.5194/nhess-23-2961-2023, 2023.
    64. Çirağ, B., and M. Firat, Two-dimensional (2D) flood analysis and calibration of stormwater drainage systems using geographic information systems, Water Science & Technology, 87(10), 2577-2596, doi:10.2166/wst.2023.126, 2023.
    65. Bouadila, A., I. Bouizrou, M. Aqnouy, K. En-nagre, Y. El Yousfi, A. Khafouri, I. Hilal, K. Abdelrahman, L. Benaabidate, T. Abu-Alam, J. E. S. El Messari, and M. Abioui, Streamflow simulation in semiarid data-scarce regions: A comparative study of distributed and lumped models at Aguenza watershed (Morocco), Water, 15(8), 1602, doi:10.3390/w15081602, 2023.
    66. Kiesel, J., M. Lorenz, M. König, U. Gräwe, and A. T. Vafeidis, A new modelling framework for regional assessment of extreme sea levels and associated coastal flooding along the German Baltic Sea coast, Natural Hazards and Earth System Sciences, 23, 2961-2985, doi:10.5194/nhess-2022-275, 2023.
    67. Baykal, T., S. Terzi, and E. D. Taylan, Examination of safe routes for emergency responders and people during urban flood: a case study of Isparta, Türkiye, Natural Hazards, doi:10.1007/s11069-023-06171-y, 2023.
    68. Le Gal, M., T. Fernández-Montblanc, E. Duo, J. Montes Perez, P. Cabrita, P. Souto Ceccon, V. Gastal, P. Ciavola, and C. Armaroli, A new European coastal flood database for low–medium intensity events, Natural Hazards and Earth System Sciences, 23, 3585-3602, doi:10.5194/nhess-23-3585-2023, 2023.
    69. Sfetsos, A., N. Politi, and D. Vlachogiannis, Multi-hazard extreme scenario quantification using intensity, duration, and return period characteristics, Climate, 11(12), 242, doi:10.3390/cli11120242, 2023.
    70. Nistoran, D. E. G., C. S. Ionescu, and S. M. Simionescu, Assessing the impact of an arch-dam breach magnitude and reservoir inflow on flood maps, Journal of Hydroinformatics, doi:10.2166/hydro.2023.301, 2024.
    71. #Sardar, F., M. H. Ali, I. Popescu, A. Jonoski, S. J. van Andel, and C. Bertini, Surface-subsurface interaction analysis and the influence of precipitation spatial variability on a lowland mesoscale catchment, Hydrol. Earth Syst. Sci. Discuss., doi:10.5194/hess-2023-276, 2023.
    72. Aljber, M., H. S. Lee, J.-S. Jeong, and J. S. Cabrera, Tsunami inundation modelling in a built-in coastal environment with adaptive mesh refinement: The Onagawa benchmark test, Journal of Marine Science and Engineering, 12(1), 177, doi:10.3390/jmse12010177, 2024.
    73. Kyaw, K. K., F. Bonaiuti, H. Wang, S. Bagli, P. Mazzoli, P. P. Alberoni, S. Persiano, and A. Castellarin, Fast-processing DEM-based urban and rural inundation scenarios from point-source flood volumes, Sustainability, 16(2), 875, doi:10.3390/su16020875, 2024.
    74. Peker, İ. B., S. Gülbaz, V. Demir, O. Orhan, and N. Beden, Integration of HEC-RAS and HEC-HMS with GIS in flood modeling and flood hazard mapping, Sustainability, 16(3), 1226, doi:10.3390/su16031226, 2024.
    75. Velegrakis, A. F., D. Chatzistratis, T. Chalazas, C. Armaroli, E. Schiavon, B. Alves, D. Grigoriadis, T. Hasiotis, and E. Ieronymidi, Earth observation technologies, policies and legislation for the coastal flood risk assessment and management: a European perspective, Anthropocene Coasts, 7(3), doi:10.1007/s44218-024-00037-x, 2024.
    76. Alshammari, E., A. Abdul Rahman, R. Ranis, N. Abu Seri, and F. Ahmad, Investigation of runoff and flooding in urban areas based on hydrology models: A literature review, International Journal of Geoinformatics, 20(1), 99–119, doi:10.52939/ijg.v20i1.3033, 2024.
    77. Gogoașe Nistoran, D. E., C. S. Ionescu, and S. M. Simionescu, Assessing the impact of an arch-dam breach magnitude and reservoir inflow on flood maps, Journal of Hydroinformatics, 26(1), 33–50, doi:10.2166/hydro.2023.301, 2024.
    78. Hop, F. J., R. Linneman, B. Schnitzler, A. Bomers, and M. J. Booij, Real time probabilistic inundation forecasts using a LSTM neural network, Journal of Hydrology, 131082, doi:10.1016/j.jhydrol.2024.131082, 2024.

  1. I. Tsoukalas, A. Efstratiadis, and C. Makropoulos, Stochastic periodic autoregressive to anything (SPARTA): Modelling and simulation of cyclostationary processes with arbitrary marginal distributions, Water Resources Research, 54 (1), 161–185, WRCR23047, doi:10.1002/2017WR021394, 2018.

    [Στοχαστικό περιοδικό μοντέλο αυτοπαλινδρόμησης για κάθε κατανομή (SPARTA): Μοντελοποίηση και προσομοίωση κυκλοστάσιμων διεργασιών με αυθαίρετες περιθώριες κατανομές]

    Τα στοχαστικά μοντέλα στην υδρολογία παραδοσιακά αποσκοπούν στο να αναπαράξουν τα εμπειρικά στατιστικά χαρακτηριστικά των παρατηρημένων δεδομένων παρά κάποιο συγκεκριμένο μοντέλο κατανομής, το οποίο επιχειρεί να περιγράψει τη συνήθως μη γκαουσιανή στατιστική συμπεριφορά των αντίστοιχων διεργασιών. Το μοντέλο SPARTA (Stochastic Periodic AutoRegressive To Anything) παρέχει μια εναλλακτική και πρωτότυπη προσέγγιση, η οποία επιτρέπει τη ρητή περιγραφή κάθε διεργασίας ενδιαφέροντος μέσω οποιουδήποτε μοντέλου κατανομής, ενώ ταυτόχρονα δημιουργεί πρότυπα εξάρτησης που δεν μπορούν να απεικονιστούν πλήρως μέσω των τυπικών γραμμικών στοχαστικών σχημάτων. Ακρογωνιαίος λίθος της προτεινόμενης προσέγγισης είναι το μοντέλο από κοινού κατανομής Nataf, που σχετίζεται με τη γκαουσιανή copula, και συνδυάζεται με περιοδικές γκουασιανές ανελίξεις αυτοπαλινδρόμησης. Προκειμένου να αποκτήσουμε την επιθυμητή στοχαστική δομή, αναπτύξαμε επίσης έναν υπολογιστικά απλό και αποδοτικό αλγόριθμο, βασισμένο σε μια υβριδική διαδικασία Monte-Carlo, που χρησιμοποιείται για να προσεγγίσει τους απαιτούμενους ισοδύναμους συντελεστές συσχέτισης. Τα θεωρητικά και πρακτικά πλεονεκτήματα της προτεινόμενης μεθόδου, αντιπαραβαλλόμενα με τα αποτελέσματα ευρέως χρησιμοποιούμενων στοχαστικών μοντέλων, αναδεικνύονται μέσω πραγματικών και υποθετικών εφαρμογών στοχαστικής προσομοίωσης, που αφορούν τόσο σε μονομεταβλητές όσο και πολυμεταβλητές χρονοσειρές.

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Papalexiou, S. M., Unified theory for stochastic modelling of hydroclimatic processes: Preserving marginal distributions, correlation structures, and intermittency, Advances in Water Resources, 115, 234-252, doi:10.1016/j.advwatres.2018.02.013, 2018.
    2. Brunner, M. I., A. Bárdossy, and R. Furrer, Technical note: Stochastic simulation of streamflow time series using phase randomization, Hydrology and Earth System Sciences, 23, 3175-3187, doi:10.5194/hess-23-3175-2019, 2019.
    3. Marković, D., S. Ilić, D. Pavlović, J. Plavšić, and N. Ilich, Multivariate and multi-scale generator based on non-parametric stochastic algorithms, Journal of Hydroinformatics, 21(6), 1102-1117, doi:10.2166/hydro.2019.071, 2019.
    4. #Elsayed, H., S. Djordjević, and D. Savić, The Nile water, food and energy nexus – A system dynamics model, 7th International Computing & Control for the Water Industry Conference, Exeter, United Kingdom, 2019.
    5. Nazemi, A., M. Zaerpour, and E. Hassanzadeh, Uncertainty in bottom-up vulnerability assessments of water supply systems due to regional streamflow generation under changing conditions, Journal of Water Resources Planning and Management, 146(2), doi:10.1061/(ASCE)WR.1943-5452.0001149, 2020.
    6. Barber, C., J. R. Lamontagne, and R. M. Vogel, Improved estimators of correlation and R2 for skewed hydrologic data, Hydrological Sciences Journal, 65(1), 87-101, doi:10.1080/02626667.2019.1686639, 2020.
    7. Dutta, R., and R. Maity, Temporal networks based approach for non‐stationary hydroclimatic modelling and its demonstration with streamflow prediction, Water Resources Research, 56(8), e2020WR027086, doi:10.1029/2020WR027086, 2020.
    8. Demetriou, E., G. Mallouppas, and C.Hadjistassou, Embracing carbon neutral electricity and transportation sectors in Cyprus, Energy, doi:10.1016/j.energy.2021.120625, 2021.
    9. Pouliasis, G., G. A. Torres-Alves, and O. Morales-Napoles, Stochastic modeling of hydroclimatic processes using vine copulas, Water, 13(16), 2156, doi:10.3390/w13162156, 2021.
    10. Zang, N., J. Zhu, X. Wang, Y. Liao, G. Cao, C. Li, Q. Liu, and Z. Yang, Eutrophication risk assessment considering joint effects of water quality and water quantity for a receiving reservoir in the South-to-North Water Transfer Project, China, Journal of Cleaner Production, 331, 129966, doi:10.1016/j.jclepro.2021.129966, 2021.
    11. Vanem, E., Analysing multivariate extreme conditions using environmental contours and accounting for serial dependence, Renewable Energy, doi:10.1016/j.renene.2022.11.033, 2022.
    12. Chadwick, C., F. Babonneau, T. Homem-de-Mello, and A. Letelier, Synthetic simulation of spatially-correlated streamflows: Weighted-modified Fractional Gaussian Noise, Water Resources Research, 60(2), e2023WR035371, doi:10.1029/2023WR035371, 2024.

  1. C. Makropoulos, E. Rozos, I. Tsoukalas, A. Plevri, G. Karakatsanis, L. Karagiannidis, E. Makri, C. Lioumis, K. Noutsopoulos, D. Mamais, K. Ripis, and T. Lytras, Sewer-mining: A water reuse option supporting circular economy, public service provision and entrepreneurship, Journal of Environmental Management, 216, 285–298, doi:10.1016/j.jenvman.2017.07.026, 2018.

  1. I. Tsoukalas, C. Makropoulos, and S. Mihas, Identification of potential sewer mining locations: A Monte-Carlo based approach, Water Science and Technology, 76 (12), 3351–3357, doi:10.2166/wst.2017.487, 2017.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1909/1/documents/wst076123351.pdf (459 KB)

    Βλέπε επίσης: https://iwaponline.com/wst/article/76/12/3351-3357/38389

  1. A. Tegos, N. Malamos, A. Efstratiadis, I. Tsoukalas, A. Karanasios, and D. Koutsoyiannis, Parametric modelling of potential evapotranspiration: a global survey, Water, 9 (10), 795, doi:10.3390/w9100795, 2017.

    [Παραμετρικό μοντέλο δυνητικής εξατμοδιαπνοής: μια παγκόσμια έρευνα]

    Παρουσιάζουμε και επαληθεύουμε ένα παγκόσμιο παραμετρικό μοντέλο δυνητικής εξατμοδιαπνοής (ΡΕΤ) δύο παραμέτρων, οι οποίες εκτιμώνται μέσω βαθμονόμησης, χρησμοποιώντας ως επεξηγηματικές μεταβλητές τη θερμοκρασία και εξωγήινη ακτινοβολία. Το μοντέλο αι η διαδικασία εκτίμησης των παραμέτρων του ελέγχονται σε όλο τον πλανήτη, με χρήση της βάσης δεδομένων FAO CLIMWAT που παρέχει μέσες μηνιαίες τιμές των μετεωρολογικών εισόδων σε 4300 θέσεις παγκοσμίως. Μια προκαταρκτική ανάλυση των δεδομένων αυτών επέτρεψε την εξήγηση των κύριων μηχανισμών της ΡΕΤ παγοσμίως και εποχιακά. Στη συνέχεια , αναπτύξαμε ένα εργαλείο αυτόματης βελτιστοποίησης για τη βαθμονόμηση του μοντέλου και την παραγωγή σημειακών εκτιμήσεων της δυνητικής εξατμοδιαπνοής έναντι εκτιμήσεων με τη μέθοδο Penman-Monteith. Επίσης, πραγματοποιήσαμε εκτενείς αναλύσεις των δεδομένων εισόδου και εξόδου του μοντέλου, περιλαμβανομένης και της παραγωγής παγκόσμιων χαρτών των βελτιστοποιημένων παραμέτρων και σχετικών μέτρων επίδοσης. Ακόμη, εφαρμόσαμε τιμές των βελτιστοποιημένων παραμέτρων από παρεμβολή για να επαληθεύσουμε την προγνωστική ιακνότητα του μοντέλου μας έναντι μηνιαίων μετεωρολογικών χρονοσειρών, σε διάφορους σταθμούς στον κόσμο. Τα αποτελέσματα είναι πολύ ενθαρρυντικά, καθώς ακόμα και με τη χρήση περιληπτικής λκλιματικής πληροφορίας για τη βαθμονόμηση του μοντέλου και τη χρήση παραμέτρων από παρεμβολή ως τοπικών εκτιμητριών, το μοντέλο γενικά εξασφαλίζει αξιόπιστες εκτιμήσεις της ΡΕΤ. Σε κάποιες περιπτώσεις το μοντέλο έχει φτωχή συμπεριφορά ως προς την εκτίμηση της ΡΕΤ αναφοράς, λόγω μη ομαλών αλληλεπιδράσεων μεταξύ της θερμοκρασίας και εξωγήινης ακτινοβολίας, καθώς και επειδή οι σχετικές διεργασίες επηρεάζονται από επιπρόσθετα αίτια, π.χ. τη σχετική υγρασία και την ταχύτητα ανέμου. Ωστόσο, η ανάλυση των υπολοίπων έδειξε ότι το μοντέλο είναι συνεπές σε όρους ετίμησης παραμέτρων και εαλήθευσης. Οι εξαγόμενοι χάρτες παραμέτρων επιτρέπουν την άμεση χρήση του παραμετρικού μοντέλου οπουδήποτε στον κόσμο, παρέχοντας εκτιμήσεις της ΡΕΤ στην περίπτωση ελλιπών δεδομένων, που μποτούν να βελτιωθούν περαιτέρων με τη χρήση ενός μετεωρολογικών δειγμάτων μικρού μήκους.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1738/2/documents/water-09-00795.pdf (6428 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://www.mdpi.com/2073-4441/9/10/795

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία: Δείτε τις στο Google Scholar ή στο ResearchGate

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Elferchichi, A., G. A. Giorgio, N. Lamaddalena, M. Ragosta, and V. Telesca, Variability of temperature and its impact on reference evapotranspiration: the test case of the Apulia region (Southern Italy), Sustainability, 9(12), 2337, doi:10.3390/su9122337, 2017.
    2. Li, M., R. Chu, S. Shen, and A. R. T. Islam, Quantifying climatic impact on reference evapotranspiration trends in the Huai River Basin of Eastern China, Water, 10(2), 144, doi:10.3390/w10020144, 2018.
    3. Yan, N., F. Tian, B. Wu, W. Zhu, and M. Yu, Spatiotemporal analysis of actual evapotranspiration and its causes in the Hai basin, Remote Sensing, 10(2), 332; doi:10.3390/rs10020332, 2018.
    4. Li, M., R. Chu, A.R.M.T. Islam, and S. Shen, Reference evapotranspiration variation analysis and its approaches evaluation of 13 empirical models in sub-humid and humid regions: A case study of the Huai River Basin, Eastern China, Water, 10(4), 493, doi:10.3390/w10040493, 2018.
    5. Hao, X., S. Zhang, W. Li, W. Duan, G. Fang, Y. Zhang , and B. Guo, The uncertainty of Penman-Monteith method and the energy balance closure problem, Journal of Geophysical Research – Atmospheres, 123(14), 7433-7443, doi:10.1029/2018JD028371, 2018.
    6. Giménez, P. O., and S. G. García-Galiano, Assessing Regional Climate Models (RCMs) ensemble-driven reference evapotranspiration over Spain, Water, 10(9), 1181, doi:10.3390/w10091181, 2018.
    7. Storm, M. E., R. Gouws, and L. J. Grobler, Novel measurement and verification of irrigation pumping energy conservation under incentive-based programmes, Journal of Energy in Southern Africa, 29(3), 10–21, doi:10.17159/2413-3051/2018/v29i3a3058, 2018.
    8. Tam, B. Y., K. Szeto, B. Bonsal, G. Flato, A. J. Cannon, and R. Rong, CMIP5 drought projections in Canada based on the Standardized Precipitation Evapotranspiration Index, Canadian Water Resources Journal, 44(1), 90-107, doi:10.1080/07011784.2018.1537812, 2019.
    9. Dalezios, N. R., N. Dercas, A. Blanta, and I. N. Faraslis, Remote sensing in water balance modelling for evapotranspiration at a rural watershed in Central Greece, International Journal of Sustainable Agricultural Management and Informatics, 4(3-4), 306-337, doi:10.1504/IJSAMI.2018.099219, 2019.
    10. Gan, G., Y. Liu, X. Pan, X. Zhao, M. Li, and S. Wang, Testing the symmetric assumption of complementary relationship: A comparison between the linear and nonlinear advection-aridity models in a large ephemeral lake, Water, 11(8), 1574, doi:10.3390/w11081574, 2019.
    11. Zhang, T., Y. Chen, and K. Tha Paw U, Quantifying the impact of climate variables on reference evapotranspiration in Pearl River Basin, China, Hydrological Sciences Journal, 64(16), 1944-1956, doi:10.1080/02626667.2019.1662021, 2019.
    12. Hua, D., X. Hao, Y. Zhang, and J. Qin, Uncertainty assessment of potential evapotranspiration in arid areas, as estimated by the Penman-Monteith method, Journal of Arid Land, 12, 166–180, doi:10.1007/s40333-020-0093-7, 2020.
    13. Shirmohammadi-Aliakbarkhani, Z., and S. F. Saberali, Evaluating of eight evapotranspiration estimation methods in arid regions of Iran, Agricultural Water Management, 239, 106243, doi:10.1016/j.agwat.2020.106243, 2020.
    14. Kim, C.-G., J. Lee, J. E. Lee, and H. Kim, Evaluation of improvement effect on the spatial-temporal correction of several reference evapotranspiration methods, Journal of Korea Water Resources Association, 53(9), 701-715, doi:10.3741/JKWRA.2020.53.9.701, 2020.
    15. Gui, Y., Q. Wang, Y. Zhao, Y. Dong, H. Li, S. Jiang, X. He, and K. Liu, Attribution analyses of reference evapotranspiration changes in China incorporating surface resistance change response to elevated CO2, Journal of Hydrology, 599, 126387, doi:10.1016/j.jhydrol.2021.126387, 2021.
    16. Mohanasundaram, S., M. M. Mekonnen, E. Haacker, C. Ray, S. Lim, and S. Shrestha, An application of GRACE mission datasets for streamflow and baseflow estimation in the Conterminous United States basins, Journal of Hydrology, 601, 126622, doi:10.1016/j.jhydrol.2021.126622, 2021.
    17. Gentilucci, M., M. Bufalini, M. Materazzi, M. Barbieri, D. Aringoli, P. Farabollini, and G. Pambianchi, Calculation of potential evapotranspiration and calibration of the Hargreaves equation using geostatistical methods over the last 10 years in Central Italy, Geosciences, 11(8), 348, doi:10.3390/geosciences11080348, 2021.
    18. Dos Santos, A. A., J. L. M. de Souza, and S. L. K. Rosa, Evapotranspiration with the Moretti-Jerszurki-Silva model for the Brazilian subtropical climate, Hydrological Sciences Journal, 66(16), 2267-2279, doi:10.1080/02626667.2021.1988610, 2021.
    19. Stefanidis, S., and V. Alexandridis, Precipitation and potential evapotranspiration temporal variability and their relationship in two forest ecosystems in Greece, Hydrology, 8(4), 160, doi:10.3390/hydrology8040160, 2021.
    20. Saggi, M. K., and S. A. Jain, Survey towards decision support system on smart irrigation scheduling using machine learning approaches, Archives of Computational Methods in Engineering, 29, 4455-4478, doi:10.1007/s11831-022-09746-3, 2022.
    21. Urban, G., L. Kuchar, M. Kępińska-Kasprzak, and E. Z. Łaszyca, A climatic water balance variability during the growing season in Poland in the context of modern climate change, Meteorologische Zeitschrift, 31(5), 349-365, doi:10.1127/metz/2022/1128, 2022.
    22. Hajek, O. L., and A. K. Knapp, Shifting seasonal patterns of water availability: ecosystem responses to an unappreciated dimension of climate change, New Phytologist, 233(1), 119-125, doi:10.1111/nph.17728, 2022.
    23. Al-Asadi, K., A. A. Abbas, A. S. Dawood, and J. G. Duan, Calibration and modification of the Hargreaves–Samani equation for estimating daily reference evapotranspiration in Iraq, Journal of Hydrologic Engineering, 28(5), doi:10.1061/JHYEFF.HEENG-5877, 2023.
    24. Islam, S., and A. K. M. R. Alam, Quantifying spatiotemporal variation of reference evapotranspiration and its contributing climatic factors in Bangladesh during 1981–2018, Russian Meteorology and Hydrology, 48(3), 253-266, doi:10.3103/S1068373923030081, 2023.
    25. Stefanidis, S., A. Tegos, and V. Alexandridis, How has aridity changed at a fir (Abies Borisii-Regis) forest site in Central Greece during the past six decades? Environmental Sciences Proceedings, 26(1), 121, doi:10.3390/environsciproc2023026121, 2023.
    26. Maas, E. D.v.L., and R. A. Lal, A case study of the RothC soil carbon model with potential evapotranspiration and remote sensing model inputs, Remote Sensing Applications: Society and Environment, 29, 100876, doi:10.1016/j.rsase.2022.100876, 2023.
    27. Ruiz-Ortega, F. J., E. Clemente, A. Martínez-Rebollar, and J. J. Flores-Prieto, An evolutionary parsimonious approach to estimate daily reference evapotranspiration, Scientific Reports, 14, 6736, doi:10.1038/s41598-024-56770-3, 2024.

  1. E. Rozos, I. Tsoukalas, K. Ripis, E. Smeti, and C. Makropoulos, Turning black into green: Ecosystem services from treated wastewater, Desalination and Water Treatment, 91 (2017), 2017.

    [Πράσινο από μαύρο: οικοσυστημικές υπηρεσίες από επεξεργασμένα λύματα]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1715/1/documents/Manuscript_subm2_CM.pdf (636 KB)

  1. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Surrogate-enhanced evolutionary annealing simplex algorithm for effective and efficient optimization of water resources problems on a budget, Environmental Modelling and Software, 77, 122–142, doi:10.1016/j.envsoft.2015.12.008, 2016.

    [Εξελικτικός αλγόριθμος ανόπτησης-απλόκου εμπλουτισμένος με υποκατάστατα μοντέλα για αποδοτική και αποτελεσματική βελτιστοποίηση προβλημάτων υδατικών πόρων με περιορισμένο προϋπολογισμό]

    Στα προβλήματα βελτιστοποίησης υδατικών πόρων, η στοχική συνάρτηση συνήθως προϋποθέτει πρώτα να τρέξει ένα μοντέλο προσομοίωσης και στη συνέχεια να αξιολογηθούν τα αποτελέσματά του. Ωστόσο, οι μεγάλοι χρόνοι προσομοίωσης μπορεί να θέσουν πολύ σοβαρά εμπόδια στην παραπάνω διαδικασία. Συχνά, για να παραληφθεί μια λύση σε λογικό χρόνο, ο χρήστης πρέπει να μειώσει δραστικά το επιτρεπόμενο πλήθος αποτιμήσεων της συνάρτησης, τερματίζοντας έτσι την αναζήτηση πολύ νωρίτερα από όσο χρειάζεται. Μια υποσχόμενη στρατηγική για την αντιμετώπιση αυτών των αδυναμιών είναι η χρήση τεχνικών υποκατάστατων μοντέλων. Εδώ εισάγουμε τον εξελικτικό αλγόριθμο ανόπτησης-απλόκου εμπλουτισμένο με υποκατάστατα μοντέλα (Surrogate-Enhanced Evolutionary Annealing-Simplex, SEEAS) που συνδυάζει τα ισχυρά σημεία των υποκατάστατων μοντέλων με την αποτελεσματικότητα και αποδοτικότητα της εξελικτικής μεθόδου ανόπτησης-απλόκου. Ο αλγόριθμος SEEAS συνδυάζει τρεις διαφορετικές προσεγγίσεις βελτιστοποίησης (εξελικτική αναζήτηση, προσομοιωμένη ανόπτηση, και κατερχόμενο άπλοκο). Η επίδοσή του συγκρίνεται με άλλους αλγορίθμους που βασίζονται σε υποκατάστατα, σε διάφορες συναρτήσεις ελέγχου και σε δύο εφαρμογές υδατικών πόρων (βαθμονόμηση μοντέλου, διαχείριση ταμιευτήρων). Τα αποτελέσματα αναδεικνύουν τις σημαντικές δυνατότητες της χρήσης του SEEAS σε απαιτητικά προβλήματα βελτιστοποίησης με περιορισμένο προϋπολογισμό.

    Σχετικές εργασίες:

    • [55] Πρόδρομη παρουσίαση σε συνέδριο της EGU

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1587/2/documents/SEEAS_paper.pdf (4310 KB)

    Συμπληρωματικό υλικό:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Dariane , A. B., and M. M. Javadianzadeh, Towards an efficient rainfall–runoff model through partitioning scheme, Water, 8, 63, doi:10.3390/w8020063, 2016.
    2. Yaseen, Z. M., O. Jaafar, R. C. Deo, O. Kisi, J. Adamowski, J. Quilty, and A. El-Shafie, Boost stream-flow forecasting model with extreme learning machine data-driven: A case study in a semi-arid region in Iraq, Journal of Hydrology, 542, 603-614, doi:10.1016/j.jhydrol.2016.09.035, 2016.
    3. Müller, R., and N. Schütze, Multi-objective optimization of multi-purpose multi-reservoir systems under high reliability constraints, Environmental Earth Sciences, 75:1278, doi:10.1007/s12665-016-6076-5, 2016.
    4. #Christelis, V., V. Bellos, and G. Tsakiris, Employing surrogate modelling for the calibration of a 2D flood simulation model, Sustainable Hydraulics in the Era of Global Change: Proceedings of the 4th IAHR Europe Congress (Liege, Belgium, 27-29 July 2016), A. S. Erpicum, M. Pirotton, B. Dewals, P. Archambeau (editors), CRC Press, 2016.
    5. Salazar, J. Z., P. M. Reed, J. D. Quinn, M. Giuliani, and A. Castelletti, Balancing exploration, uncertainty and computational demands in many objective reservoir optimization, Advances in Water Resources, 109, 196-210, doi:10.1016/j.advwatres.2017.09.014, 2017.
    6. Christelis, V., and A. Mantoglou, Physics-based and data-driven surrogate models for pumping optimization of coastal aquifers, European Water, 57, 481–488, 2017.
    7. #Thandayutham, K., E. Avital, N. Venkatesan, and A. Samad, Design and analysis of a marine current turbine, Proceedings of ASME 2017 Gas Turbine India Conference and Exhibition, GTINDIA2017-4912, V001T02A014, Bangalore, India, doi:10.1115/GTINDIA2017-4912, 2017.
    8. Christelis, V., R. G. Regis, and A. Mantoglou, Surrogate-based pumping optimization of coastal aquifers under limited computational budgets, Journal of Hydroinformatics, 20(1), 164-176, doi:10.2166/hydro.2017.063, 2018.
    9. Christelis, V., and A. G. Hughes, Metamodel-assisted analysis of an integrated model composition: an example using linked surface water – groundwater models, Environmental Modelling and Software, 107, 298-306, doi:10.1016/j.envsoft.2018.05.004, 2018.
    10. Zischg, A. P., G. Felder, M. Mosimann, V. Röthlisberger, and R. Weingartner, Extending coupled hydrological-hydraulic model chains with a surrogate model for the estimation of flood losses, Environmental Modelling and Software, 108, 174-185, doi:10.1016/j.envsoft.2018.08.009, 2018.
    11. Christelis, V., and A. Mantoglou, Pumping optimization of coastal aquifers using seawater intrusion models of variable-fidelity and evolutionary algorithms, Water Resources Management, 33(2), 555-558, doi:10.1007/s11269-018-2116-0, 2019.
    12. Thandayutham, K., L. K. Mishra, and A. Samad, Optimal design of a marine current turbine using CFD and FEA, Proceedings of the Fourth International Conference in Ocean Engineering (ICOE2018), K. Murali, V. Sriram, A. Samad, N. Saha (editors), Lecture Notes in Civil Engineering, 23, 675-690, doi:10.1007/978-981-13-3134-3, 2019.
    13. Christelis, V., G. Kopsiaftis, and A. Mantoglou, Performance comparison of multiple and single surrogate models for pumping optimization of coastal aquifers, Hydrological Sciences Journal, 64(3), 336-349, doi:10.1080/02626667.2019.1584400, 2019.
    14. Cai, X., L. Gao, X. Li, and H-. Qiu, Surrogate-guided differential evolution algorithm for high dimensional expensive problems, Swarm and Evolutionary Computation, 48, 288-311, doi:10.1016/j.swevo.2019.04.009, 2019.
    15. Huot, P.-L., A. Poulin, C. Audet, and S. Alarie, A hybrid optimization approach for efficient calibration of computationally intensive hydrological models, Hydrological Sciences Journal, 64(9), 1204-1222, doi:10.1080/02626667.2019.1624922, 2019.
    16. Jahandideh-Tehrani, M., O. Bozorg-Haddad, and H. A. Loáiciga, Application of non-animal–inspired evolutionary algorithms to reservoir operation: an overview, Environmental Monitoring and Assessment, 191:439, doi:10.1007/s10661-019-7581-2, 2019.
    17. Sandoval, S., and J.-L. Bertrand-Krajewski, From marginal to conditional probability functions of parameters in a conceptual rainfall-runoff model: an event-based approach, Hydrological Sciences Journal, 64(11), 1340-1350, doi:10.1080/02626667.2019.1635696, 2019.
    18. Zhao, C. S., T. L. Pan, J. Xi, S. T. Yang, J. Zhao, X. J. Gan, L. P. Hou, and S. Y. Ding, Streamflow calculation for medium-to-small rivers in data scarce inland areas, Science of The Total Environment, 693, 133571, doi:10.1016/j.scitotenv.2019.07.377, 2019.
    19. Monteil, C., F. Zaoui, N. Le Moine, and F. Hendrickx, Multi-objective calibration by combination of stochastic and gradient-like parameter generation rules – the caRamel algorithm, Hydrology and Earth System Sciences, 24, 3189-3209, 10.5194/hess-24-3189-2020, 2020.
    20. Muhammed, K. A., and R. Farmani, Energy optimization using a pump scheduling tool in water distribution systems, ARO – The Scientific Journal of Koya University, 8(1), 112-123, doi:10.14500/aro.10635, 2020.
    21. #Castro-Gama M., C. Agudelo-Vera, and D. Bouziotas, A bird’s-eye view of data validation in the drinking water industry of the Netherlands, The Handbook of Environmental Chemistry, Springer, Berlin, Heidelberg, doi:10.1007/698_2020_609, 2020.
    22. Xai, W., C. Shoemaker, T. Akhtar, and M.-T. Nguyen, Efficient parallel surrogate optimization algorithm and framework with application to parameter calibration of computationally expensive three-dimensional hydrodynamic lake PDE models, Environmental Modelling and Software, 135, 104910, doi:10.1016/j.envsoft.2020.104910, 2021.
    23. Saadatpour, M., S. Javaheri, A. Afshar, and S. S. Solis, Optimization of selective withdrawal systems in hydropower reservoir considering water quality and quantity aspects, Expert Systems with Applications, 184, 115474, doi:10.1016/j.eswa.2021.115474, 2021.
    24. Zhao, T., and B. Minsker, Efficient metamodel approach to handling constraints in nonlinear optimization for drought management, Journal of Water Resources Planning and Management, 147(12), doi:10.1061/(ASCE)WR.1943-5452.0001476, 2021.
    25. Anahideh, H., J. Rosenberger, and V. Chen, High-dimensional black-box optimization under uncertainty, Computers & Operations Research, 137, 105444, doi:10.1016/j.cor.2021.105444, 2022.
    26. Pang, M., E. Du, C. A. Shoemaker, and C. Zheng, Efficient, parallelized global optimization of groundwater pumping in a regional aquifer with land subsidence constraints, Journal of Environmental Management, 310, 114753, doi:10.1016/j.jenvman.2022.114753, 2022.
    27. Lu, W., W. Xia, and C. A. Shoemaker, Surrogate global optimization for identifying cost-effective green infrastructure for urban flood control with a computationally expensive inundation model, Water Resources Research, 58(4), e2021WR030928, doi:10.1029/2021WR030928, 2022.
    28. Kopsiaftis, G., M. Kaselimi, E. Protopapadakis, A. Voulodimos, A. Doulamis, N. Doulamis, and A. Mantoglou, Performance comparison of physics-based and machine learning assisted multi-fidelity methods for the management of coastal aquifer systems, Frontiers in Water, 5, 1195029, doi:10.3389/frwa.2023.1195029, 2023.
    29. Christelis, V., G. Kopsiaftis. R. G. Regis, and A. Mantoglou, An adaptive multi-fidelity optimization framework based on co-Kriging surrogate models and stochastic sampling with application to coastal aquifer management, Advances in Water Resources, 180, 104537, doi:10.1016/j.advwatres.2023.104537, 2023.
    30. Costabile, P., C. Costanzo, J. Kalogiros, and V. Bellos, Toward street‐level nowcasting of flash floods impacts based on HPC hydrodynamic modeling at the watershed scale and high‐resolution weather radar data, Water Resources Research, 59(10), e2023WR034599, doi:10.1029/2023WR034599, 2023.

  1. I. Tsoukalas, and C. Makropoulos, A surrogate based optimization approach for the development of uncertainty-aware reservoir operational rules: the case of Nestos hydrosystem, Water Resources Management, 29 (13), 4719–4734, doi:10.1007/s11269-015-1086-8, 2015.

    [Προσέγγιση βελτιστοποίησης με βάση υποκατάστατα για την ανάπτυξη κανόνων λειτουργίας ταμιευτήρων υπό αβεβαιότητα: η περίπτωση του υδροσυστήματος Νέστου]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1569/1/documents/tsoukalas_WRM.pdf (2008 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Müller, R., and N. Schütze, Multi-objective optimization of multi-purpose multi-reservoir systems under high reliability constraints, Environmental Earth Sciences, 75:1278, doi:10.1007/s12665-016-6076-5, 2016.
    2. Christelis, V., and A. G. Hughes, Metamodel-assisted analysis of an integrated model composition: an example using linked surface water – groundwater models, Environmental Modelling and Software, doi:10.1016/j.envsoft.2018.05.004, 2018.

  1. I. Tsoukalas, and C. Makropoulos, Multiobjective optimisation on a budget: Exploring surrogate modelling for robust multi-reservoir rules generation under hydrological uncertainty, Environmental Modelling and Software, 69, 396–413, doi:10.1016/j.envsoft.2014.09.023, 2015.

    [Πολυστοχικική βελτιστοποίηση με «προϋπολογισμό»: Εξερευνώντας υποκατάστατα μοντέλα για εύρωστη παραγωγή κανόνων πολλαπλών ταμιευτήρων κάτω από υδρολογική αβεβαιότητα]

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Müller, R., and N. Schütze, Multi-objective optimization of multi-purpose multi-reservoir systems under high reliability constraints, Environmental Earth Sciences, 75:1278, doi:10.1007/s12665-016-6076-5, 2016.
    2. Christelis, V., and A. G. Hughes, Metamodel-assisted analysis of an integrated model composition: an example using linked surface water – groundwater models, Environmental Modelling and Software, doi:10.1016/j.envsoft.2018.05.004, 2018.
    3. Christelis, V., G. Kopsiaftis, and A. Mantoglou, Performance comparison of multiple and single surrogate models for pumping optimization of coastal aquifers, Hydrological Sciences Journal, doi:10.1080/02626667.2019.1584400, 2019.

Book chapters and fully evaluated conference publications

  1. A. Efstratiadis, I. Tsoukalas, and P. Kossieris, Improving hydrological model identifiability by driving calibration with stochastic inputs, Advances in Hydroinformatics: Machine Learning and Optimization for Water Resources, edited by G. A. Corzo Perez and D. P. Solomatine, doi:10.1002/9781119639268.ch2, American Geophysical Union, 2024.

    [Βελτίωση προσδιοριστικότητας υδρολογικών μοντέλων καθοδηγώντας τη βαθμονόμηση με στοχαστικές εισόδους]

    Για μεγάλο χρονικό διάστημα, το κλασικό πρόβλημα του προσδιορισμού της βέλτιστης δομής μοντελοποίησης και/ή παραμέτρων ακολουθούσε τον κανόνα βαθμονόμησης-επαλήθευσης, που προέρχεται από το εικονικό σχήμα διαχωρισμού του δείγματος του Vit Klemeš. Ένα κοινό χαρακτηριστικό τέτοιων προσεγγίσεων είναι η εξάρτησή τους από το μήκος και την αντιπροσωπευτικότητα των διαθέσιμων δεδομένων. Αυτό εισάγει πολλές ερωτήσεις, καθώς οι συναγόμενες παράμετροι επιλέγονται σύμφωνα με ένα συγκεκριμένο υποσύνολο (ή υποσύνολα) ιστορικών δεδομένων, ενώ τα υπόλοιπα δεδομένα χρησιμοποιούνται για επαλήθευση. Σε αυτό το πνεύμα, προτείνουμε μια εννοιολογικά απλή προσέγγιση που υπαγορεύεται από το γνωστό υπόδειγμα της στοχαστικής προσομοίωσης, το οποίο βασίζεται στην ιδέα της βαθμονόμησης μοντέλων χρησιμοποιώντας εναλλακτικά, αλλά πιθανολογικά συνεπή, συνθετικά δεδομένα. Με την αποσύνδεση αυτή, τα διαθέσιμα δεδομένα γίνονται τώρα η βάση για τη δημιουργία στοχαστικών εισροών, καθώς και για την επαλήθευση του μοντέλου και την εκτίμηση της αβεβαιότητας των παραμέτρων του. Αυτό επιτρέπει την ενσωμάτωση της στοχαστικότητας των πραγματικών διεργασιών εισόδου (βροχόπτωση, εξατμοδιαπνοή) και αποκρίσεων (απορροή), και επομένως της υδρολογικής τους αβεβαιότητας. Επιπλέον, καταλήγει σε σταθερά και στιβαρά μοντέλα, καθώς η βαθμονόμηση εκτελείται χρησιμοποιώντας αρκετά μεγάλες χρονολογικές χρονοσειρές που αναπαράγουν σημαντικές ιδιότητες, οι οποίες σχετίζονται και με το μεταβαλλόμενο κλίμα (π.χ. μακροπρόθεσμη εμμονή), που γενικά αποκρύπτονται στα μικρά ιστορικά δείγματα. Με τον παραπάνω προσδιορισμό, οι παραγόμενες παράμετροι είναι βέλτιστες όχι μόνο για το σύνολο ιστορικών δεδομένων, αλλά και για οποιαδήποτε εναλλακτική εύλογη υλοποίηση των μοντελοποιημένων διαδικασιών.

  1. P. Dimas, G.-K. Sakki, P. Kossieris, I. Tsoukalas, A. Efstratiadis, C. Makropoulos, N. Mamassis, and K. Pipili, Outlining a master plan framework for the design and assessment of flood mitigation infrastructures across large-scale watersheds, 12th World Congress on Water Resources and Environment (EWRA 2023) “Managing Water-Energy-Land-Food under Climatic, Environmental and Social Instability”, 75–76, European Water Resources Association, Thessaloniki, 2023.

    Στις 16 Σεπτεμβρίου 2020, το Υπουργείο Υποδομών ανέθεσε στον παραχωρησιούχο του Αυτοκινητόδρομου Στερεάς Ελλάδας Ε65 τη μελέτη και κατασκευή συμπληρωματικών εργασιών για την επείγουσα αντιπλημμυρική προστασία περιοχών κατά μήκος της χάραξης του αυτοκινητόδρομου, συμπεριλαμβανομένης της Περιφέρειας Δυτικής Θεσσαλίας (Ελλάδα). Λαμβάνοντας υπόψη τις ζημιές και τις απώλειες που προκάλεσε το ο Μεσογειακός κυκλώνας Ιανός στην ευρύτερη περιοχή της Θεσσαλίας, ο ανάδοχος, με δική του πρωτοβουλία, διακήρυξε την ανάγκη ανάπτυξης ενός Γενικού Στρατηγικού Σχεδίου (Master Plan) για την αντιπλημμυρική προστασία της Δυτικής Θεσσαλίας. Η τελική περιοχή ενδιαφέροντος, που εδώ αναφέρεται ως λεκάνη απορροής της Δυτικής Πηνειού, καταλαμβάνει έκταση περίπου 6400 km2, αποτελώντας έτσι μια υδρολογική, υδραυλική και διαχειριστική μελέτης μεγάλης κλίμακας, που θέτει πολλαπλές εννοιολογικές και υπολογιστικές προκλήσεις. Το συνολικό ζητούμενο του σχεδίου είναι να παρέχει μια σύνθεση ήδη προτεινόμενων και νέων έργων (φράγματα, αναχώματα, τάφροι) και να τα ιεραρχήσει κάτω από ένα πρίσμα πολλαπλού σκοπού. Το μεθοδολογικό πλαίσιο αποτελείται από τρεις άξονες: (i) μια προκαταρκτική αξιολόγηση συγκεκριμένων περιοχών όπου αναμένεται υψηλός κίνδυνος λόγω φαινομένων πλημμύρας, με τη χρήση μιας προσέγγισης πολυκριτηριακής ανάλυσης αποφάσεων που βασίζεται σε ΣΓΠ, (ii) μια ημικατανεμημένη αναπαράσταση των μετασχηματισμών βροχής-απορροής και των διεργασιών διόδευσης της πλημμύρας σε ολόκληρη τη λεκάνη απορροής, και (iii) μια συζευγμένη 1D/2D υδροδυναμική προσομοίωση του ευάλωτου σε πλημμύρες ποτάμιου συστήματος, που περιλαμβάνει επίσης ένα εξαιρετικά πολύπλοκο σύστημα τεχνητών καναλιών. Ο τελικός σχεδιασμός δίνει προτεραιότητα στην ενίσχυση της αντιπλημμυρικής προστασίας στην περιοχή μελέτης μέσω της συνδυασμένης επίδρασης μιας σειράς έργων μεγάλης κλίμακας, δηλαδή αναχώματα, φράγματα πολλαπλών χρήσεων (μόνιμοι ταμιευτήρες) και λεκάνες συγκράτησης ελεγχόμενης πλημμύρας (προσωρινοί ταμιευτήρες). Ο στόχος είναι να σκιαγραφηθεί ένα πλαίσιο για την αντιμετώπιση παρόμοιων μελετών με ολιστικό τρόπο, διατηρώντας παράλληλα ένα υψηλό επίπεδο υπολογιστικής αποτελεσματικότητας και επεξηγηματικότητας.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2306/1/documents/EWRA2023-dimas.pdf (232 KB)

    Συμπληρωματικό υλικό:

  1. D. Nikolopoulos, C. Makropoulos, D. Kalogeras, K. Monokrousou, and I. Tsoukalas, Developing a stress-testing platform for cyber-physical water infrastructure, 2018 International Workshop on Cyber-Physical Systems for Smart Water Networks (CySWater), New Jersey, 9–11, doi:10.1109/CySWater.2018.00009, 2018.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1965/1/documents/08434711.pdf (332 KB)

  1. C. Rebolho, V. Andréassian, I. Tsoukalas, et A. Efstratiadis, La crue du Loing de Juin 2016 était-elle exceptionnelle?, De la prévision des crues à la gestion de crise, Avignon, Société Hydrotechnique de France, 2018.

    [Ήταν η πλημμύρα του ποταμού Loing τον Ιούνιο του 2016 ακραία;]

    Ένα ισχυρό γεγονός βροχόπτωσης επηρέασε το βόρειο-κεντρικό της Γαλλίας από τις 30 Μαΐου έως τις 6 Ιουνίου 2016, με αποτέλεσμα τη γενική υπερχείλιση των ποταμών Σηκουάνα και Λίγηρα στις λεκάνες απορροής τους. Οι κατακλύσεις που προέκυψαν ξεπέρασαν τα προηγούμενα ρεκόρ σε ορισμένες λεκάνες απορροής, όπως στην ποταμό Loing, όπου το ύψος νερού υπεέβη για πρώτη φορά την τιμή του Ιανουαρίου του 1910. Αυτό το συμβάν προέκυψε από τον συνδυασμό του εξαιρετικά υγρού μήνα Μαΐου και μιας συσσώρευσης βροχοπτώσεων ύψους 130 mm σε μία εβδομάδα, η οποία οδήγησε σε ημερήσια παροχή αιχμής 450 m3/s σε αυτή τη λεκάνη. Ο κύριος στόχος αυτής της μελέτης είναι να αναδείξει τους περιορισμούς των τυπικών μεθόδων υπολογισμού των περιόδων επιστροφής των ακραίων γεγονότων. Συνήθως, για τον υπολογισμό αυτών των περιόδων επαναφοράς χρησιμοποιούνται στατιστικοί νόμοι, όπως οι κατανομές Gumbel και GEV. Ωστόσο, υπάρχουν διάφορες μέθοδοι προσαρμογής και μπορούν να χρησιμοποιηθούν για την εκτίμηση των παραμέτρων των θεωρητικών νόμων. Σε αυτή τη μελέτη, διαπιστώσαμε ότι ανάλογα με τη μεθοδολογία που εφαρμόζεται, η περίοδος επαναφοράς κυμαίνεται από 260 έως 2400 χρόνια, εφόσον χρησιμοποιούμε τις παρατηρημένες παροχές. Για να αντιμετωπίσουμε αυτό το ζήτημα, προσομοιώσαμε μια μεγάλη σειρά παροχών, συνδέοντας μια γεννήτρια βροχόπτωσης με το εννοιολογικό υδρολογικό μοντέλο GR4J. Η εμπειρική περίοδος επαναφοράς που προκύπτει από τα μοντέλα είναι 1000 χρόνια. Αλλά σε αυτήν την περίπτωση, έχουμε επίσης και τις αβεβαιότητες των δύο μοντέλων, ιδίως του υδρολογικού, που προσπαθεί να αναπαράξει τις μη γραμμικότητες της συμπεριφοράς της λεκάνης απορροής, ειδικά όταν προσομοιώνει ακραία γεγονότα. Αυτός είναι ο λόγος για τον οποίο είναι δύσκολο να αντιστοιχίσουμε μία μόνο τιμή στην περίοδο επαναφοράς των ακραίων γεγονότων, όταν μόνο ένα εύρος αυτών είναι διαθέσιμο.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1918/1/documents/REBOLHO_ARTICLE_SHF_PREVISION.pdf (467 KB)

    Βλέπε επίσης: http://www.shf-hydro.org/223-1-events-16.html

  1. I. Tsoukalas, C. Makropoulos, and A. Efstratiadis, Stochastic simulation of periodic processes with arbitrary marginal distributions, 15th International Conference on Environmental Science and Technology (CEST2017), Rhodes, Global Network on Environmental Science and Technology, 2017.

    [Στοχαστική προσομοίωση περιοδικών ανελίξεων με αυθαίρετες περιθώριες κατανομές]

    Η στοχαστική προσομοίωση των υδρολογικών διεργασιών έχει ρόλο κλειδί στον σχεδιασμό και διαχείριση των υδατικών πόρων, χάρη στην ικανότητά της να ενσωματώνει την υδρολογική αβεβαιότητα στη λήψη αποφάσεων. Λόγω της περιοδικότητας, τα στατιστικά χαρακτηρσιτικά των διεργασιών αυτών θεωρούνται περιοδικές συναρτήσεις, επιβάλοντας έτσι τη σχήση κυκλοστάσιμων στοχαστικών μοντέλων, χρησιμοποιώντας συνήθως μια κοινή στατιστική κατανομή. Ωστόσο, αυτή μπορεί να μην είναι αντιπροσωπευτική της στατιστικής δομής αυτών των διεργασιών για όλες τις εποχές. Στο πλαίσιο αυτό, εισάγουμε ένα νέο μοντέλο, ικανό για την προσομοίωση περιοδικών διεργασιών με αυθαίρετες περιθώριες κατανομές, που καλείται Stochastic Periodic AutoRegressive To Anything (SPARTA). Πέρα από την αναπαραγωγή της περιοδικής δομής συσχέτισης των μητρικών διεργασιών, τα βασικά πλοενεκτήματα είναι: (α) η ακριβής διατήρηση των εποχιακά μεταβαλόμενων περιθώριων κατανομών, (β) η ρητή γέννηση μη αρνητικών τιμών, και (γ) η φειδωλή δομή του μοντέλου. Τέλος, αναδεικνύουμε την επίδοση του μοντέλου μέσω μιας θεωρητικής (τεχνητής) μελέτης περίπτωσης.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1731/1/documents/cest2017_00797_oral_paper_V2.pdf (655 KB)

    Συμπληρωματικό υλικό:

    Βλέπε επίσης: http://cest.gnest.org/sites/default/files/presentation_file_list/cest2017_00797_oral_paper.pdf

  1. E. Rozos, I. Tsoukalas, K. Ripis, E. Smeti, and C. Makropoulos, Turning black into green: ecosystem services from treated wastewater, 13th IWA Specialized Conference on Small Water and Wastewater Systems, Athens, Greece, National Technical University of Athens, 2016, (υπό έκδοση).

    [Φτιάχνοντας πράσινο από το μαύρο: οικοσυστημικές παροχές από επεξεργασμένα λύματα]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1600/1/documents/Manuscript_QiNArbH.pdf (509 KB)

  1. I. Tsoukalas, P. Dimas, and C. Makropoulos, Hydrosystem optimization on a budget: Investigating the potential of surrogate based optimization techniques, 14th International Conference on Environmental Science and Technology (CEST2015), Global Network on Environmental Science and Technology, University of the Aegean, 2015.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1574/1/documents/cest2015_00162_oral_paper.pdf (475 KB)

    Βλέπε επίσης: http://cest.gnest.org/cest15proceedings/public_html/papers/cest2015_00162_oral_paper.pdf

Conference publications and presentations with evaluation of abstract

  1. I. Tsoukalas, P. Kossieris, L. Brocca, S. Barbetta, H. Mosaffa, and C. Makropoulos, Can machine learning help us to create improved and trustworthy satellite-based precipitation products?, European Geosciences Union General Assembly 2023, Vienna, Austria & Online, EGU23-13852, doi:10.5194/egusphere-egu23-13852, 2023.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2385/1/documents/EGU23-13852-print.pdf (413 KB)

  1. P. Kossieris, I. Tsoukalas, and C. Makropoulos, A framework for cost-effective enrichment of water demand records at fine spatio-temporal scales, European Geosciences Union General Assembly 2023, Vienna, Austria & Online, EGU23-12141, doi:10.5194/egusphere-egu23-12141, 2023.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2384/1/documents/EGU23-12141-print.pdf (288 KB)

  1. A. Zisos, M.-E. Pantazi, Μ. Diamanta, Ι. Koutsouradi, Α. Kontaxopoulou, I. Tsoukalas, G.-K. Sakki, and A. Efstratiadis, Towards energy autonomy of small Mediterranean islands: Challenges, perspectives and solutions, EGU General Assembly 2022, Vienna, Austria & Online, EGU22-5468, doi:10.5194/egusphere-egu22-5468, European Geosciences Union, 2022.

    [Προς την ενεργειακή αυτονομία των μικρών Μεσογειακών νησιών: Προκλήσεις, προοπτικές και λύσεις]

    Η ενεργειακή αυτονομία των μικρών μη διασυνδεδεμένων νησιών στη Μεσόγειο, εκμεταλλευόμενη το υψηλό δυναμικό των ανανεώσιμων πηγών ενέργειας, ήταν ένας μακροχρόνιος στόχος των τοπικών κοινωνιών και των ομάδων ενδιαφέροντος. Αυτό είναι επίσης ευθυγραμμισμένο με την πρόσφατα εφαρμοσμένη Ευρωπαϊκή Πράσινη Συμφωνία, η οποία έχει θέσει ως στόχο την αύξηση της διείσδυσης των ανανεώσιμων πηγών ενέργειας στα συστήματα ηλεκτρικής ενέργειας των ευρωπαϊκών χωρών. Ωστόσο, τα νησιά έχουν περισσότερες προκλήσεις από τη μεγάλη κλίμακα της ενδοχώρας. Από τη μια πλευρά, ο πληθυσμός τους παρουσιάζει σημαντικές διακυμάνσεις μεταξύ των εποχών, ως αποτέλεσμα του τουρισμού, που αποτελεί τη βασική οικονομική τους δραστηριότητα. Το αποτύπωμα του τουρισμού είναι μια σημαντική πίεση σε όλους τους σχετικούς πόρους και υποδομές κατά τη θερινή περίοδο. Από την άλλη πλευρά, οι περισσότερες από αυτές τις περιοχές υποφέρουν τόσο από λειψυδρία όσο και από έλλειψη χώρου. Αυτά τα χαρακτηριστικά εγείρουν πολλές προκλήσεις σχετικά με την ανάπτυξη πραγματικά αυτόνομων ενεργειακών συστημάτων, βασισμένων σε ανανεώσιμες πηγές ενέργειας και σε βασικά έργα αποθήκευσης για τη ρύθμιση των ενεργειακών πλεονασμάτων και ελλειμμάτων, μακροπρόθεσμα. Λαμβάνοντας ως παράδειγμα το κυκλαδίτικο νησί της Σίφνου, ερευνούμε τον σχεδιασμό ενός υβριδικού συστήματος ηλεκτρικής ενέργειας, που συνδυάζει αιολική, ηλιακή και υδροηλεκτρική ενέργεια. Μια σημαντική συνιστώσα της προτεινόμενης διάταξης είναι το σύστημα αντλησιοταμίευσης. Λόγω των περιορισμένων επιφανειακών υδατικών πόρων του νησιού, διαμορφώνουμε μια άνω δεξαμενή σε υψόμετρο 320 m, ανακυκλώνοντας θαλασσινό νερό. Αυτή η ιδιαιτερότητα εισάγει ένα σημαντικό επίπεδο αβεβαιότητας στους υδραυλικούς υπολογισμούς, καθώς και διάφορες τεχνικές προκλήσεις, όπως η διάβρωση των σωλήνων και του ηλεκτρομηχανολογικού εξοπλισμού και η στεγανοποίηση της δεξαμενής. Μια πρόσθετη πρόκληση εγείρεται από το ιδιόμορφο αιολικό καθεστώς του νησιού, που καθιστά απαραίτητη την επιλογή ενός ύψους πτερωτής των ανεμογεννητριών για την ελαχιστοποίηση της συχνότητας διακοπής της παραγωγής ισχύος. Η βάση μιας ορθολογικής διαδικασίας σχεδιασμού για τα κύρια στοιχεία του συστήματος είναι η οικονομική βελτιστοποίηση που εξασφαλίζει ένα επιθυμητό επίπεδο αξιοπιστίας. Αυτό επιτυγχάνεται μέσω μιας προσέγγισης στοχαστικής προσομοίωσης που λαμβάνει υπόψη τη στοχαστική φύση των υποκείμενων υδρομετεωρολογικών διεργασιών εισόδου (ταχύτητα ανέμου και ηλιακή ακτινοβολία) και τη ζήτηση ενέργειας.

    Πλήρες κείμενο:

  1. G. Moraitis, D. Nikolopoulos, I. Koutiva, I. Tsoukalas, G. Karavokiros, and C. Makropoulos, The PROCRUSTES testbed: tackling cyber-physical risk for water systems, EGU General Assembly 2021, online, EGU21-14903, doi:10.5194/egusphere-egu21-14903, European Geosciences Union, 2021.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2122/1/documents/EGU21-14903_presentation.pdf (1404 KB)

  1. K.-K. Drakaki, G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, Setting the problem of energy production forecasting for small hydropower plants in the Target Model era, EGU General Assembly 2021, online, EGU21-3168, doi:10.5194/egusphere-egu21-3168, European Geosciences Union, 2021.

    [Θέτοντας το πρόβλημα της πρόγνωσης της ενεργειακής παραγωγής από μικρά υδροηλεκτρικά έργα στην εποχή του Target Model]

    Η έντονα ανταγωνιστική αγορά ενέργειας της ΕΕ και οι προκλήσεις που έχει επιφέρει το λεγόμενο “Target Model”, εισάγουν σημαντικές αβεβαιότητες στις ημερήσιες συναλλαγές που αφορούν στην ανανεώσιμη ενέργεια, καθώς οι περισσότερες από αυτές τις πηγές καθοδηγούνται από μη ελεγχόμενες μεταβλητές καιρού (άνεμος, ήλιος, νερό). Εδώ διερευνούμε την περίπτωση των μικρών υδροηλεκτρικών έργων που έχουν αμελητέα ικανότητα αποθήκευσης, συνεπώς η παραγωγή τους είναι μόνο ένας μη γραμμικός μετασχηματισμός των εισροών. Συζητάμε διαφορετικές προσεγγίσεις πρόγνωσης, που αξιοποιούν εναλλακτικές πηγές πληροφορίας, ανάλογα με τη διαθεσιμότητα των δεδομένων. Μεταξύ άλλων, εξετάζουμε αν είναι προτιμότερο να κάνουμε προγνώσεις ημέρας με βάση τα παρελθόντα δεδομένα ενεργειακής παραγωγής από μόνα τους, ή να χρησιμοποιήσουμε αυτά τα δεδομένα για να ανακτήσουμε τις παρελθούσες εισροές, το οποίο επιτρέπει να εισάγουμε την υδρολογική γνώση στις προβλέψεις. Ο απώτερος στόχος είναι να πάμε πέραν της καθιερωμένης, πλην όμως επικίνδυνης, μεθόδου των σημειακών προγνώσεων, που παρέχουν μια μοναδική αναμενόμενη τιμή της παραγωγής υδροηλεκτρικής ενέργειας, προκειμένου να ποσοτικοποιήσουμε την ολική αβεβαιότητα κάθε μεθόδου πρόγνωσης. Οι προγνώσεις ενέργειας αξιολογούνται σε όρους οικονομικής αποδοτικότητας, που λαμβάνουν υπόψη τις επιπτώσεις της υπερ- και υποεκτίμησης στην πραγματική αγορά ενέργειας.

    Πλήρες κείμενο:

  1. V. Kourakos, A. Efstratiadis, and I. Tsoukalas, Can hydrological model identifiability be improved? Stress-testing the concept of stochastic calibration, EGU General Assembly 2021, online, EGU21-11704, doi:10.5194/egusphere-egu21-11704, European Geosciences Union, 2021.

    [Μπορεί να βελτιωθεί η προσδιοριστικότητα των υδρολογικών μοντέλων; Ελέγχοντας την έννοια της στοχαστικής βαθμονόμησης]

    Οι υδρολογικές βαθμονομήσεις με ιστορικά δεδομένα συχνά θεωρούνται ανεπαρκείς για την εξαγωγή ασφαλών εκτιμήσεων σχετικά με μια δομή ενός μοντέλου που μιμείται, όσο το δυνατόν περισσότερο, την αναμενόμενη συμπεριφορά της λεκάνης απορροής. Για να αντιμετωπίσουμε αυτό το ζήτημα, διερευνούμε μια πολλά υποσχόμενη στρατηγική, χρησιμοποιώντας ως οδηγούς συνθετικές χρονοσειρές, οι οποίες διατηρούν τις πιθανοτικές ιδιότητες και τη δομή εξάρτησης των παρατηρούμενων δεδομένων. Η βασική ιδέα είναι η βαθμονόμηση του μοντέλου με βάση συνθετικά δεδομένα βροχόπτωσης-απορροής, και η επαλήθευσή του σε σχέση με το πλήρες δείγμα δεδομένων που έχει παρατηρηθεί. Για το σκοπό αυτό, υλοποιούμε μια απόδειξη της ιδέας σε λίγες αντιπροσωπευτικές λεκάνες απορροής, δοκιμάζοντας πολλά ενιαία εννοιολογικά υδρολογικά μοντέλα, με εναλλακτικές παραμετροποιήσεις και σε δύο χρονικές κλίμακες, μηνιαία και ημερήσια. Στη συνέχεια, επιχειρήσαμε να ενισχύσουμε την εγκυρότητα της συνιστώμενης μεθοδολογίας χρησιμοποιώντας μηνιαίες στοχαστικές βαθμονομήσεις σε 100 λεκάνες απορροής από το πείραμα MOPEX. Όπως και πριν, εξετάστηκε ένα πλήθος διαφορετικών υδρολογικών μοντέλων, με σκοπό να αποδειχθεί ότι η βαθμονόμηση με στοχαστικές εισόδους είναι ανεξάρτητη από το επιλεγμένο μοντέλο. Τα αποτελέσματα υπογραμμίζουν ότι στις περισσότερες περιπτώσεις η νέα προσέγγιση οδηγεί σε ισχυρότερη αναγνώριση παραμέτρων και σταθερή προγνωστική ικανότητα σε διαφορετικά χρονικά παράθυρα, καθώς το μοντέλο εκπαιδεύεται σε πολύ εκτεταμένες υδροκλιματικές συνθήκες.

    Πλήρες κείμενο:

  1. G.-K. Sakki, I. Tsoukalas, P. Kossieris, and A. Efstratiadis, A dilemma of small hydropower plants: Design with uncertainty or uncertainty within design?, EGU General Assembly 2021, online, EGU21-2398, doi:10.5194/egusphere-egu21-2398, European Geosciences Union, 2021.

    [Ένα δίλημμα των μικρών υδροηλεκτρικών έργων: Σχεδιασμός με αβεβαιότητα ή αβεβαιότητα στον σχεδιασμό;]

    Τα μικρά υδροηλεκτρικά έργα (ΜΥΗΕ) διέπονται από πολλαπλές αβεβαιότητες και πολυπλοκότητες, παρά την περιορισμένη τους κλίμακα. Οι αβεβαιότητες αυτές συχνά αγνοούνται στις τυπικές πρακτικές των μηχανικών, το οποίο οδηγεί σε επικίνδυνο σχεδιασμό. Καθώς αυτός ο τύπος της ανανεώσιμης ενέργειας διεισδύει γρήγορα στο ηλεκτρικό μίγμα, οι επιπτώσεις των αβεβαιοτήτων της, εξωγενών και ενδογενών, καθίστανται κρίσιμες. Για τον λόγο αυτό, αναπτύσσουμε ένα πλαίσιο στοχαστικής προσομοίωσης-βελτιστοποίησης, ραμμένο για μικρά υδροηλεκτρικά έργα. Αρχικά, διερευνούμε το υποκείμενο πρόβλημα πολυκριτηριακού σχεδιασμού και τις ιδιαιτερότητές του, προκειμένου να προσδιορίσουμε ένα συμβιβαστικό μέτρο επίδοσης που εξασφαλίζει αποδοτικές και αποτελεσματικές βελτιστοποιήσεις. Στη συνέχεια, προσαρμόζουμε στο πρόβλημα βέλτιστου σχεδιασμού μια αρθρωτή διαδικασία εκτίμησης της αβεβαιότητας. Αυτή συνδυάζει στατιστικές και στοχαστικές προσεγγίσεις για την ποσοτικοποίηση των αβεβαιοτήτων της ιδίας της διεργασίας της απορροής, των σχετιζόμενων δεδομένων εισόδου, της αρχικής επιλογής των καμπυλών απόδοσης των στροβίλων στη φάση του σχεδιασμού, καθώς και τη μείωση του βαθμού απόδοσης λόγω των επιπτώσεων της γήρανσης. Τελικά, προτείνουμε ένα ολιστικό πλαίσιο βέλτιστου σχεδιασμού ΜΥΗΕ, δίνοντας έμφαση στην προστιθέμενη αξία της θεώρησης της στοχαστικότητας στις διεργασίες εισόδου και παραμέτρους. Η καινοτομία της προσέγγισης αυτής είναι η μετάβαση από τον συμβατικό σχεδιασμό στον σχεδιασμό υπό αβεβαιότητα, από τη μοναδική λύση στην έννοια του Pareto, και τέλος στην αξιοπιστία της αναμενόμενης επίδοσης, σε όρους κόστους επένδυσης, υδροηλεκτρικής παραγωγής και σχετιζόμενων εσόδων.

    Πλήρες κείμενο:

  1. A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Revisiting the storage-reliability-yield concept in hydroelectricity, EGU General Assembly 2021, online, EGU21-10528, doi:10.5194/egusphere-egu21-10528, European Geosciences Union, 2021.

    [Αναθεωρώντας την έννοια της χωρητικότητας-αξιοπιστίας-απόληψης στην υδροηλεκτρική ενέργεια]

    Η σχέση χωρητικότητας-αξιοπιστίας-απόληψης είναι ένα καλά θεμελιωμένο εργαλείο προκαταρκτικού σχεδιασμού ταμιευτήρων που ικανοποιούν καταναλωτικές χρήσεις, η οποία ωστόσο έχει σπανίως εφαρμοστεί σε μελέτες υδροηλεκτρικού σχεδιασμού. Εδώ συζητάμε τη θεωρητική βάση για την αναπαράσταση των ανταγωνισμών μεταξύ του μεγέθους του ταμιευτήρα και των αναμενόμενων εσόδων από την υδροηλεκτρική παραγωγή, υπό αβέβαιες εισροές, εκμεταλλευόμενοι την προσέγγιση στοχαστικής προσομοίωσης και βελτιστοποίησης. Δείχνουμε επίσης πως κάτω από ορισμένες προϋποθέσεις, το πολύπλοκο και τοπικού χαρακτήρα πρόβλημα, που κυρίως οφείλεται στη μη γραμμικότητα των μετασχηματισμών αποθήκευσης, ύψους πτώσης και ενέργειας, μπορεί να απλοποιηθεί σημαντικά και επίσης να γενικευτεί. Η μεθοδολογία ελέγχεται για διαφορετικά καθεστώτα απορροής και για ένα ευρύ φάσμα δυνητικών γεωμετριών ταμιευτήρα, που εκφράζονται μέσω μιας γενικής παραμέτρου σχήματος της σχέσης ύψους πτώσης – αποθήκευσης. Με βάση τα αποτελέσματα των αναλύσεων αυτών, εξάγουμε εμπειρικές εκφράσεις που συνδέουν την αξιόπιστη ενέργεια με περιληπτικά στατιστικά χαρακτηριστικά των εισροών, τη χωρητικότητα και τη γεωμετρία του ταμιευτήρα.

    Πλήρες κείμενο:

  1. M. Nezi, C. Ntigkakis, I. Tsoukalas, and A. Efstratiadis, Multidimensional context for extreme analysis of daily streamflow, rainfall and accumulated rainfall across USA, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-19674, doi:egusphere-egu2020-19674, 2020.

    [Πολυδιάστατο πλαίσιο για την ανάλυση των ακραίων ημερήσιων απορροών, βροχοπτώσεων και αθροιστικών βροχοπτώσεων στις ΗΠΑ]

    Η στατιστική ανάλυση των ακραίων βροχοπτώσεων και απορροών παίζει κρίσιμο ρόλο στον υδρολογικό σχεδιασμό και τη διαχείριση του πλημμυρικού κινδύνου. Συνήθως, η ανάλυση αυτή γίνεται χωριστά για τις δύο διεργασίες ενδιαφέροντος, αγνοώντας έτσι τις συσχετίσεις τους, οι οποίες εμφανίζονται σε πολλαπλές χρονικές κλίμακες. Στην πραγματικότητα, η γέννηση μιας πλημμύρας εξαρτάται ισχυρά από τις συνθήκες εδαφικής υγρασίας, που με τη σειρά τους εξαρτώνται από την παρελθούσα βροχόπτωση. Με τη χρήση δεδομένων βροχής και απορροής από περίπου 400 λεκάνες στις ΗΠΑ, τα οποία ανακτήθηκαν από το αποθετήριο MOPEX, διερευνούμε τη στατιστική συμπεριφορά των αντίστοιχων μέγιστων ετήσιων βροχοπτώσεων και απορροών, λαμβάνοντας επίσης υπόψη την επίδραση των προηγούμενων συνθηκών υγρασίας. Οι τελευταίες ποσοτικοποιούνται σε όρους αθροιστικής ημερήσιας βροχόπτωσης για διάφορες κλίμακες συνάθροισης (ήτοι από 5 έως και 30 ημέρες), πριν από την εμφάνιση κάθε ακραίου γεγονότος βροχής και απορροής. Η ανάλυση των μεγίστων γίνεται προσαρμόζοντας την Γενικευμένη Ακραίων Τιμών (Generalized Extreme Value, GEV) κατανομή, στην οποία εφαρμόζουμε τη μέθοδο των L-ροπών για να εξάγουμε τις σχετικές παραμέτρους (σχήματος, κλίμακας, θέσης). Σημαντική προσοχή δίνεται στο να εξασφαλίσουμε στατιστικά συνεπείς εκτιμήσεις της παραμέτρου σχήματος, η οποία προσαρμόζεται εμπειρικά, ώστε να ελαχιστοποιείται η επιρροή της δειγματοληπτικής αβεβαιότητας. Τέλος, αναζητούμε πιθανές συσχετίσεις μεταξύ των παραμέτρων που προκύπτουν και των υδροκλιματικών χαρακτηριστικών των εξεταζόμενων λεκανών, και επιπλέον απεικονίζουμε τη χωρική τους κατανομή στις ΗΠΑ.

    Πλήρες κείμενο:

    Βλέπε επίσης: https://meetingorganizer.copernicus.org/EGU2020/EGU2020-19674.html

  1. A. G. Pettas, P. Mavritsakis, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Empirical metric for uncertainty assessment of wind forecasting models in terms of power production and economic efficiency, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8018, doi:10.5194/egusphere-egu2020-8018, 2020.

    [Εμπειρικό μέτρο για την εκτίμηση της αβεβαιότητας μοντέλων πρόγνωσης ανέμου σε όρους παραγωγής ισχύος και οικονομικής απόδοσης]

    Όπως ισχύει για τις περισσότερες ανανεώσιμες πηγές ενέργειας, η αιολική ενέργεια καθοδηγείται από ισχυρά αβέβαιες και συνεπώς μη προβλέψιμες μετεωρολογικές διεργασίες. Στο πλαίσιο του προγραμματισμού και ελέγχου της αιολικής ενέργειας, οι αξιόπιστες προγνώσεις του ανέμου σε διάφορες κλίμακες συνιστά ένα πρόβλημα-πρόκληση. Ωστόσο, δεδομένου ότι η παραγωγή αιολικής ενέργειας είναι, στην πραγματικότητα, ένας μη γραμμικός μετασχηματισμός της ταχύτητας του ανέμου, μέσω της καμπύλης ισχύος της εκάστοτε ανεμογεννήτριας, τα σφάλματα των μετεωρολογικών προγνώσεων έχουν διαφορετικό αντίκτυπο στις προγνώσεις της αιολικής παραγωγής. Είναι πολύ γνωστό ότι για ένα αρκετά μεγάλο εύρος ταχυτήτων ανέμου, η παραγόμενη αιολική ενέργεια είναι είτε μηδενική είτε σταθερή, και άρα ανεξάρτητη από την ίδια της τιμή της ταχύτητας ανέμου. Αυτό το ενδιαφέρον χαρακτηριστικό επιτρέπει στο να εξασφαλίσουμε καλύτερες προγνώσεις για την έξοδο, ήτοι την ενεργειακή παραγωγή, σε σχέση με την είσοδο, ήτοι την ταχύτητα ανέμου. Εκμεταλλευόμενοι αυτό, παρουσιάζουμε ένα υβριδικό στοχαστικό πλαίσιο προγνώσεων της ταχύτητας ανεμου σε πολλαπλά βήματα, και την αποτίμησή τους σε όρους παραγωγής ισχύος και οικονομικής απόδοσης. Η μεθοδολογία ελέγχεται για διαφορετικά καθεστώτα ανέμου και διαφορετικές διατάξεις των συστημάτων αιολικής ενέργειας, δίνοντας έμφαση στη μίξη διαφορετικών τύπων ανεμογεννητριών, το οποίο επιτρέπει να ελαχιστοποιήσουμε τις αβεβαιότητες. Τέλος, εξετάζουμε τη χρήση του εν λόγω δείκτη στην τεχνική και λειτουργική βελτιστοποίηση των συστημάτων αιολικής ενέργειας.

    Πλήρες κείμενο:

    Βλέπε επίσης: https://meetingorganizer.copernicus.org/EGU2020/EGU2020-8018.html

  1. G.-K. Sakki, V. Papalamprou, I. Tsoukalas, N. Mamassis, and A. Efstratiadis, Stochastic modelling of hydropower generation from small hydropower plants under limited data availability: from post-assessment to forecasting, European Geosciences Union General Assembly 2020, Geophysical Research Abstracts, Vol. 22, Vienna, EGU2020-8129, doi:10.5194/egusphere-egu2020-8129, 2020.

    [Στοχαστική μοντελοποίηση της παραγωγής υδροηλεκτρικής ενέργειας από μικρά υδροηλεκτρικά έργα με περιορισμένη διαθεσιμότητα δεδομένων: από την εκτίμηση του παρελθόντος στην πρόγνωση]

    Εξαιτίας της αμελητέας αποθηκευτικής τους ικανότητας, τα μικρά υδροηλεκτρικά έργα δεν μπορούν να παρέχουν αναρρύθμιση των ροών, κάνοντας έτσι το πρόβλημα πρόγνωσης της παραγωγής ενέργειας ένα πολύ δύσκολο εγχείρημα, ακόμα και για μικρούς χρονικούς ορίζοντες. Επιπρόσθετες αβεβαιότητες προκύπτουν λόγω της περιορισμενης υδρολογικής πληροφορίας, σε όρους ανάντη παροχής εισροής, καθώς συχνά οι μοναδικές διαθέσιμες μετρήσεις αναφέρονται στην ενεργειακή παραγωγή, που είναι μη γραμμικός μετασχηματισμός της παροχής. Στο πλαίσιο αυτό, αναπτύσσουμε ένα πλαίσιο στοχαστικής μοντελοποίησης που περιλαμβάνει δύο βήματα. Αρχικά, εξάγουμε τις παρελθούσες εισροές με βάση δεδομένα ενέργειας, που μπορεί να αναφερθεί και ως το αντίστροφο πρόβλημα της υδροηλεκτικής ενέργειας. Βασικό ζήτημα αυτής της προσέγγισης είναι ότι το σφάλμα του μοντέλου διατυπώνεται σε στοχαστικούς όρους, το οποίο επιτρέπει την ενσωμάτωση των αβεβαιοτήτων στους υπολογισμούς. Ακολούθως, γεννάμε σενάρια στοχαστικών προγνώσεων των μελλοντικών παροχών και της σχετιζόμενης παραγωγής ενέργειας, που εκείνονται από μικρούς (ημερήσιους έως εβδομαδιαίους) έως μεγάλους (μηνιαίους έως εποχιακούς) χρονικούς ορίζοντες. Η μεθοδολογία ελέγχεται στον παλαιότερο (1926) μικρό υδροηλεκτρικό σταθμό της Ελλάδας, που βρίσκεται στον ποταμό Γλαύκο στη Βόρεια Πελοπόννησο. Μεταξύ άλλων πολοπλοκοτήτων, ο σταθμός περιλαμβάνει μίγμα στροβίλων Pelton και Francis, που καθιστά την όλη διαδικασία μοντελοποίησης ακόμα πιο προκλητική.

    Πλήρες κείμενο:

    Βλέπε επίσης: https://meetingorganizer.copernicus.org/EGU2020/EGU2020-8129.html

  1. L. M. Tsiami, E. Zacharopoulou, D. Nikolopoulos, I. Tsoukalas, N. Mamassis, A. Kallioras, and A. Efstratiadis, The use of Artificial Neural Networks with different sources of spatiotemporal information for flash flood predictions, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-7315, European Geosciences Union, 2019.

    [Η χρήση των Τεχνητών Νευρωνικών Δικτύων με διαφορετικές πηγές χωροχρονικής πληροφορίας για την πρόβλεψη αστραπιαίων πλημμυρών]

    Για παραπάνω από δύο δεκαετίες, η χρήση των τεχνητών νευρωνικών δικτύων (artificial neural networks, ANNs) στην υδρολογία έχει αποτελέσει μια αποτελεσματική και αποδοτική εναλλακτική σε σχέση με παραδοσιακές προσεγγίσεις μοντελοποίησης, π.χ. φυσικής βάσης ή εννοιολογικές. Αυτά μπορούν να αξιοποιήσουν κάθε τύπο διαθέσιμης πληροφορίας για να προβλέψουν την υδρολογική απόκριση πολύπλοκων συστημάτων, με ελλιπή δεδομένα και περιορισμένη γνώση των μηχανισμών μετασχηματισμού. Μια υποσχόμενη περιοχή εφαρμογής είναι η πρόγνωση σε πραγματικό χρόνο της διόδευσης των πλημμυρών, που αποτελεί αναγκαίο συστατικό των συστημάτων έγκαιρης πρόγνωσης και έγκαιρης προειδοποίησης. Σε αυτή την εργασία εστιάζουμε στις αστραπιαίες πλημμύρες, θεωρώντας ως περιοχές εφαρμογής δύο μεσαίας κλίμακας λεκάνες στην Ελλάδα, με θεμελιωδώς διαφορετικά χαρακτηριστικά. Η πρώτη είναι η έντονα αστικοποιημένη λεκάνη απορροής του ποταμού Κηφισού (380 km2), που αποτελεί τον κύριο αποστραγγιστικό αγωγό της μητροπολιτικής περιοχής της Αθήνας, ενώ η δεύτερη είναι η αγροτική λεκάνη του ποταμού Νέδοντα, στη ΝΔ Ελλάδα (120 km2). Κα οι δύο περιοχές έχουν πρόσφατα εξοπλιστεί με αυτόματους υδρομετρικούς σταθμούς, ενω είναι επίσης διαθέσιμα δεδομένα βροχόπτωσης σε πραγματικό χρόνο από έναν αντιπροσωπευτικό αριθμό μετεωρολογικών σταθμών. Για τις δύο μελέτες περίπτωσης εξετάζουμε διάφορες διαμορφώσεις των Νευρωνικών Δικτύων, ώστε να προβλέψουμε τη στάθμη του ποταμού στην έξοδο κάθε λεκάνης για διάφορα χρονικά βήματα υστέρησης, με τη χρήση διαφορετικών συνδυασμών δεδομένων εισόδου, στη μορφή ανάντη μετρήσεων στάθμης και σημειακών δεδομένων βροχής.

    Πλήρες κείμενο:

  1. P. Mavritsakis, A. G. Pettas, I. Tsoukalas, G. Karakatsanis, N. Mamassis, and A. Efstratiadis, A stochastic simulation framework for representing water, energy and financial fluxes across a non-connected island, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-8758, European Geosciences Union, 2019.

    [Πλαίσιο στοχαστικής προσομοίωσης για την αναπαράσταση των υδατικών, ενεργειακών και οικονομικών ροών σε ένα μη διασυνδεδεμένο νησί]

    Η ολοκληρωμένη μοντελοποίηση των υβριδικών συστημάτων νερού-ενέργειας, που περιλαμβάνουν συμβατικές και ανανεώσιμες πηγές, διατάξεις αντλησιοταμίευσης, και άλλες υδραυλικές υποδομές, που αποσκοπούν στο να καλύψουν συνδυασμένες χρήσεις νερού και ενέργειας, είναι ένα πρόβλημα με υψηλές προκλήσεις. Από τη μία πλευρά, τέτοια συστήματα διέπονται από σημαντικές αβεβαιότητες που εκτείνονται σε όλες τις σχετικές διεργασίες εισόδου, φυσικές και ανθρωπογενείς (ήτοι υδρομετεωρολογικές φορτίσεις και ζητήσεις νερού-ενέργειας, αντίστοιχα). Από την άλλη πλευρά, η καθημερινή λειτουργία τέτοιων συστημάτων υπόκειται σε πολλαπλές πολυπλοκότητες, λόγω των ανταγωνιστικών χρήσεων, περιορισμών και οικονομικών συμφερόντων. Λαμβάνοντας ως παράδειγμα μια μελλοντική διαμόρφωση του ηλεκτρικού συστήματος της νήσου Ικαρίας, στην Ελλάδα, παρουσιάζουμε ένα πλαίσιο στοχαστικής προσομοίωσης που περιλαμβάνει: (α) μια γεννήτρια συνθετικών χρονοσειρών που αναπαριστά τις στατιστικές και στοχαστικές ιδιότητες (ήτοι τις περιθώριες κατανομές, αυτο- και ετεροσυσχετίσεις) όλων των διεργασιών εισόδου, σε πολλαπλές κλίμακες, και (β) ένα μοντέλο προσομοίωσης που υλοποιεί την ωριαία λειτουργία του συστήματος, προκειμένου να εκτιμήσει τις σχετικές ροές νερού, ενέργειας και χρημάτων. Το σχήμα αυτό χρησιμοποιείται σε δύο μελέτες περίπτωσης, ήτοι τον βέλτιστο σχεδιασμό βασικών συνιστωσών του συστήματος, και τη λειτουργία σε πραγματικό χρόνο μιας υποθετικής αγοράς ενέργειας, που περιλαμβάνει διαφορετικούς παρόχους ενέργειας και αντίστοιχες πηγές ηλεκτρισμού, συμβατικές και ανανεώσιμες.

    Πλήρες κείμενο:

  1. E. Zacharopoulou, I. Tsoukalas, A. Efstratiadis, and D. Koutsoyiannis, Impact of sample uncertainty of inflows to stochastic simulation of reservoirs, European Geosciences Union General Assembly 2019, Geophysical Research Abstracts, Vol. 21, Vienna, EGU2019-17233, European Geosciences Union, 2019.

    [Επιπτώσεις της δειγματοληπτικής αβεβαιότητας στη στοχαστική προσομοίωση ταμιευτήρων]

    Ο σχεδιασμός και διαχείριση συστημάτων υδατικών πόρων είναι αποδεκτό ότι αποτελούν πρόκληση, καθώς κυρίως καθοδηγούνται από υδρολογικές διεργασίες που κυριαρχούνται από «δομημένη» αβεβαιότητα. Σε αυτό το πλαίσιο, η στοχαστική προσομοίωση των διεργασιών εισόδου αντιμετωπίζεται ως αναγκαία συνιστώσα τέτοιων μελετών. Τυπικά, ο σκοπός των στοχαστικών μοντέλων είναι η γέννηση συνθετικών χρονοσειρών μεγάλου μήκους που αναπαράγουν τις στατιστικές ιδιότητες και συσχετίσεις των ιστορικών δεδομένων, ιδεατά σε πολλαπλές χρονικές κλίμακες (περιλαμβανομένων και μακροχρόνιων αλλαγών, όπως αυτές που οφείλονται στη συμπεριφορά Hurst-Kolmogorov). Ωστόσο, τα δειγματικά στατιστικά χαρακτηριστικά που επιβάλλεται να αναπαραχθούν εμπεριέχουν εγγενή αβεβαιότητα, λόγω του γενικά μικρού μήκους των ιστορικών δεδομένων. Η βασική αυτή αδυναμία δεν λαμβάνεται συνήθως υπόψη στις τρέχουσες πρακτικές. Η εργασία αυτή συνιστά μια προσπάθεια διερεύνησης και ποσοτικοποίησης της δειγματοληπτικής αβεβαιότητας των στοχαστικών μοντέλων, ώστε εν τέλει να αποτιμηθεί η επίπτωσή της στα συστήματα ταμιευτήρων. Για τον σκοπό αυτό, θεμελιώνουμε μια μεθοδολογία ποσοτικοποίησης της δειγματοληπτικής αβεβαιότητας, που αναφέρται στα ουσιώδη στατιστικά χαρακτηριστικά των ιστορικών εισροών σε ένα πλαίσιο πολλαπλών κλιμάκων, χρησιμοποιώντας ως υπόβαθρο στοχαστικής προσομοίωσης το μοντέλο CastaliaR. Αρχικά, το μοντέλο εφαρμόζεται για τη γέννηση ενός μεγάλου πλήθους συνθετικών χρονοσειρών, ίδιου μήκους με το ιστορικό δείγμα, παρέχοντας έτσι πολλαπλές «ψευδοϊστορικές» πραγματοποιήσεις της διεργασίας. Στη συνέχεια, λαμβάνονται οι στατιστικές ιδιότητες του συνόλου των ψευδοϊστορικων δεδομένων, με βάση τις οοποίες γίνεται η παραγωγή των συνθετικών χρονοσειρών μεγάλου μήκους, που με τη σειρά τους χρησιμοποιούνται ως είσοδοι σε ένα μοντελο προσομοίωσης ταμιευτήρα. Στο πλαίσιο αυτό, η παραπάνω διαδικασία επιδεικνύεται για την εξαγωγή ενός πλήθους σχέσεων αποθήκευσης-απόληψης-αξιοπιστίας. Επιπλέον, υλοποιούνται πολλαπλές αναλύσεις για διαφορετικά μήκη δειγμάτων και συντελεστών Hurst, με στόχο τη διερεύνηση της αβεβαιότητας που εισάγουν το μήκος των δειγμάτων και η μακροχρόνια εμμονή των διεργασιών απορροής.

    Πλήρες κείμενο:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Koskinas, A., Stochastics and ecohydrology: A study in optimal reservoir design, Dams and Reservoirs, 30(2), 53-59, doi:10.1680/jdare.20.00009, 2020.
    2. Saengsuwan, T., Prediction model for solar PV rooftop production, Journal of Renewable Energy and Smart Grid Technology, 15(2), 16-25, 2020.

  1. Y. Moustakis, P. Kossieris, I. Tsoukalas, and A. Efstratiadis, Quasi-continuous stochastic simulation framework for flood modelling, European Geosciences Union General Assembly 2017, Geophysical Research Abstracts, Vol. 19, Vienna, 19, EGU2017-534, European Geosciences Union, 2017.

    [Πλαίσιο ψευδοσυνεχούς στοχαστικής προσομοίωσης για τη μοντελοποίηση πλημμυρών]

    Συνήθως, η μοντελοποίηση των πλημμυρών στο πλαίσιο των καθημαρινών πρακτικών των μηχανικών αντιμετωπίζεται μέσω προσδιοριστικών εργαλείων επεσοδίου, π.χ. τη γνωστή μέθοδο SCS-CN. Ένα ουσιώδες μειονέκτημα των εν λόγω προσεγγίσεων είναι η άγνοια της αβεβαιότητας, η οποία σχετίζεται με τη μεταβλητότητα των συνθηκών εδαφικής υγρασίας καθώς και τη μεταβλητότητα της βροχόπτωσης κατά τη διάρκεια του επεισοδίου καταιγίδας. Στα μοντέλα επεισοδίου, η μοναδική έκφραση της αβεβαιότητας είναι η περίοδος επαναφοράς της καταιγίδα σχεδιασμού, που θεωρείται ότι αντιπροσωπεύει το αποδεκτό ρίσκο όλων των μεγεθών εξόδου (όγκος πλημμύρας, παροχή αιχμής, κτλ.). Από την άλλη, οι μεταβλητές συνθήκες εδαφικής υγρασίας στη λεκάνη αναπαρίστανται μέσω σεναρίων (π.χ. οι τρεις τύποι προηγούμενων συνθηκών υγρασίας της SCS), ενώ η χρονική κατανομή της βροχόπτωσης αναπαριστάται μέσω τυπικών προσδιοριστικών προτύπων (π.χ. μέθοδος εναλλασσόμενων μπλοκ). Προκειμένου να αντιμετωπίσουμε τις σημαντικές αυτές ασυνέπειες, διατηρώντας ταυτόχρονα την απλότητα και φειδωλή παραμετροποίηση της μεθόδου SCS-CN, αναπτύξαμε μια στοχαστική προσέγγιση ψευδο-συνεχούς προσομοίωσης, που περιλαμβάνει τα εξής βήματα: (1) γέννηση συνθετικών χρονοσειρών ημερήσιας βροχόπτωσης, (2) επικαιροποίηση της μέγιστης δυνητικής κατακράτησης, με βάση την αθροιστική βροχόπτωση των πέντε προηγούμενων ημερών, (3) εκτίμηση του ημερήσιου ύψους απορροής με βάση την εξίσωση της SCS-CN, λαμβάνοντας ως είσοδο την ημερήσια βροχόπτωση και της επικαιροποιημένη τιμή της μέγιστης δυνητικής κατακράτησης, (4) επιλογή ακραίων επεισοδίων και εφαρμογή της τυπικής διαδικασίας της SCS-CN σε κάθε επεισόδιο, με βάση συνθετικές βροχοπτώσεις. Το παραπάνω σχήμα απαιτεί τη χρήση δύο στοχαστικών μοντέλων, ειδικότερα του μοντέλου CastaliaR, για τη γέννηση των ημερήσιων δεδομένων βροχόπτωσης, και του μοντέλου HyetosMinute, για τον επιμερισμό της ημερήσιας βροχής σε λεπτότερες χρονικές κλίμακες. Στα αποτελέσματα της προσέγγισης αυτής περιλαμβάνουν ένα μεγάλο πλήθος συνθετικών πλημμυρικών επεισοδίων, που επιτρέπει τη διατύπωση των μεγεθών σχεδιασμού σε στατιστικούς όρους, καθώς και τη ορθή αποτίμηση του πλημμυρικού κινδύνου.

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1680/2/documents/FINAL_Moustakis_EGU2017.pdf (1492 KB)

    Συμπληρωματικό υλικό:

  1. P. Kossieris, A. Efstratiadis, I. Tsoukalas, and D. Koutsoyiannis, Assessing the performance of Bartlett-Lewis model on the simulation of Athens rainfall, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-8983, doi:10.13140/RG.2.2.14371.25120, European Geosciences Union, 2015.

    [Αξιολογώντας την επίδοση του μοντέλου Bartlett-Lewis για την προσομοίωση της βροχόπτωσης στην Αθήνα]

    Πολλές υδρολογικές εφαρμογές απαιτούν τη χρήση χρονοσειρών βροχής μεγάλου μήκους σε μικρές χρονικές κλίμακες. Για να επιτευχθεί αυτό, συχνά χρησιμοποιούνται στοχαστικές μέθοδοι προσομοίωσης που επιτρέπουν την παραγωγή μεγάλου πλήθους επεισοδίων βροχής μέσω της Monte Carlo στοχαστικής διαδικασίας. Σε αυτά τα πλαίσια, το μοντέλο Bartlett-Lewis αποτελεί ένα αντιπροσωπευτικό παράδειγμα από την οικογένεια μοντέλων που στηρίζονται στην Poisson στοχαστική ανέλιξη. Στην παρούσα εργασία, μελετήθηκε η ικανότητα δυο διαφορετικών εκδοχών του μοντέλου Bartlett-Lewis, με 5 και 6 παραμέτρους αντίστοιχα, στο να αναπαράγουν τα χαρακτηριστικά της βροχής της Αθήνας (Ελλάδα). Εκτός από τα βασικά στατιστικά χαρακτηριστικά που διατηρούνται ρητά από το μοντέλο (μέση τιμή, τυπική απόκλιση, αυτοσυσχέτιση, πιθανότητα μηδενικής τιμής), μελετήθηκαν οι κατανομές ακραίων τιμών των ωριαίων υψών βροχής καθώς και τα βασικά χρονικά χαρακτηριστικά των γεγονότων βροχής (διάρκεια βροχερών επεισοδίων, διάρκεια μεταξύ καταιγίδων). Τα χαρακτηριστικά αυτά δεν προκύπτουν άμεσα από τις θεωρητικές εξισώσεις του μοντέλου, αλλά υπολογίζονται εμπειρικά από τα συνθετικά δεδομένα. Η ανάλυση διενεργήθηκε ανά μήνα και για διαφορετικές χρονικές κλίμακες, από την ωριαία μέχρι και την ημερήσια. Πέραν αυτού, ιδιαίτερο βάρος δόθηκε στο πρόβλημα βαθμονόμησης του μοντέλου, αξιολογώντας την επίδοσή του για διαφορετικά μέτρα επίδοσης, χρονικές κλίμακες και στατιστικά χαρακτηριστικά.

    Πλήρες κείμενο:

    Βλέπε επίσης: http://dx.doi.org/10.13140/RG.2.2.14371.25120

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Li, X., A. Meshgi, X. Wang, J. Zhang, S. H. X. Tay, G. Pijcke, N. Manocha, M. Ong, M. T. Nguyen, and V. Babovic, Three resampling approaches based on method of fragments for daily-to-subdaily precipitation disaggregation, International Journal of Climatology, 38(Suppl.1), e1119-e1138, doi:10.1002/joc.5438, 2018.
    2. Park, J., C. Onof, and D. Kim, A hybrid stochastic rainfall model that reproduces some important rainfall characteristics at hourly to yearly timescales, Hydrology and Earth System Sciences, 23, 989-1014, doi:10.5194/hess-23-989-2019, 2019.
    3. Kim, D., and C. Onof, A stochastic rainfall model that can reproduce important rainfall properties across the timescales from several minutes to a decade, Journal of Hydrology, 589(2), 125150, doi:10.1016/j.jhydrol.2020.125150, 2020.
    4. Bulti, D. T., B. G. Abebe, and Z. Biru, Climate change-induced variations in future extreme precipitation intensity-duration-frequency in flood-prone city of Adama, central Ethiopia, Environmental Monitoring and Assessment, 193, 784, 10.1007/s10661-021-09574-1, 2021.

  1. A. Efstratiadis, I. Tsoukalas, P. Kossieris, G. Karavokiros, A. Christofides, A. Siskos, N. Mamassis, and D. Koutsoyiannis, Computational issues in complex water-energy optimization problems: Time scales, parameterizations, objectives and algorithms, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5121, doi:10.13140/RG.2.2.11015.80802, European Geosciences Union, 2015.

    [Υπολογιστικά ζητήματα σε σύνθετα προβλήματα βελτιστοποίησης νερού-ενέργειας: Χρονικές κλίμακες, παραμετροποιήσεις, στόχοι και αλγόριθμοι]

    Η μοντελοποίηση των υβριδικών συστημάτων ανανεώσιμης ενέργειας (ΥΣΑΕ) μεγάλης κλίμακας αποτελεί αντικείμενο-πρόκληση, στο οποίο υπάρχουν πολλά ανοιχτά υπολογιστικά ζητήματα. Τα ΥΣΑΕ περιέχουν τυπικές συνιστώσες υδροσυστημάτων (ταμιευτήρες, γεωτρήσεις, δίκτυα μεταφοράς, υδροηλεκτρικοί σταθμοί, αντλιοστάσια, κόμβοι ζήτησης νερού, κτλ.), που συνδέονται δυναμικά με άλλες ΑΠΕ (π.χ. ανεμογεννήτριες, φωτοβολταϊκά πάρκα), και κόμβους ενεργειακής ζήτησης. Σε τέτοια συστήματα, πέρα από τις ευρέως γνωστές αδυναμίες της μοντελοποίησης των υδατικών πόρων (μη γραμμική δυναμική, άγνωστες μελλοντικές εισροές, μεγάλο πλήθος μεταβλητών και περιορισμών, αντικρουόμενα κριτήρια, κτλ.), εμφανίζονται επιπλέον πολυπλοκότητες και αβεβαιότητες, λόγω της εισαγωγής των ενεργειακών συνιστωσών και των σχετικών ροών ενέργειας. Μια πολύ σημαντική δυσκολία είναι η ανάγκη σύζευξης δύο διαφορετικών χρονικών κλιμάκων, καθώς στη μοντελοποίηση των υδροσυστημάτων συνήθως υιοθετούνται μηνιαία χρονικά βήματα, ενώ για την πιστή αναπαράσταση του ενεργειακού ισοζυγίου (παραγωγή ενέργειας σε σχέση με τη ζήτηση), απαιτείται μια πολύ πιο λεπτομερής διακριτότητα (π.χ. ωριαία). Ένα ακόμη μειονέκτημα είναι η αύξηση των μεταβλητών ελέγχου, περιορισμών και στόχων, λόγω της ταυτόχρονης μοντελοποίησης δύο παράλληλων ροών (νερό και ενέργεια), και των αλληλεπιδράσεών τους. Τέλος, αφού οι υδρομετεωρολογικές διεργασίες εισόδου του συνδυασμένου συστήματος είναι εγγενώς αβέβαιες, είναι συχνά αναγκαία η χρήση συνθετικών χρονοσειρών εισόδου μεγάλου μήκους, ώστε η αξιολόγηση της επίδοσης του συστήματος να γίνεται σε όρους αξιοπιστίας και ρίσκου, με ικανοποιητική ακρίβεια. Για να αντιμετωπίσουμε τα παραπάνω ζητήματα, προτείνουμε ένα αποτελεσματικό και αποδοτικό πλαίσιο μοντελοποίησης, με κύριους στόχους: (α) την ουσιαστική μείωση των μεταβλητών ελέχγου, μέσω φειδωλών πλην όμως συνεπών παραμετροποιήσεων, (β) τη δραστική μείωση του υπολογιστικού φόρτου της προσομοίωσης, με γραμμικοποίηση του προβλήματος συνδυασμένης κατανομής νερού και ενέργειας σε κάθε χρονικό βήμα, και επίλυση κάθε υποπροβλήματος με εξαιρετικά γρήγορους αλγορίθμους γραμμικού προγραμματισμού, και (γ) τη σημαντική μείωση του απαιτούμενου αριθμού των αποτιμήσεων της συνάρτησης για τον εντοπισμό της ολικά βέλτιστης διαχειριστιής πολιτικής, με χρήση ενός καινοτόμου αλγορίθμου ολικής βελτιστοποίησης που χρησιμοποιεί συναρτήσεις παρεμβολής.

    Πλήρες κείμενο:

    Βλέπε επίσης: http://dx.doi.org/10.13140/RG.2.2.11015.80802

  1. A. Drosou, P. Dimitriadis, A. Lykou, P. Kossieris, I. Tsoukalas, A. Efstratiadis, and N. Mamassis, Assessing and optimising flood control options along the Arachthos river floodplain (Epirus, Greece), European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-9148, European Geosciences Union, 2015.

    [Αξιολόγηση και βελτιστοποίηση επιλογών ελέγχου πλημμυρών κατά μήκος του πλημμυρικού πεδίου του ποταμού Άραχθου (Ήπειρος, Ελλάδα)]

    Παρουσιάζεται ένα πολυκριτηριακό σχήμα προσομοίωσης-βελτιστοποίησης για τον βέλτιστο σχεδιασμό και τοποθέτηση αντιπλημμυρικών έργων κατά μήκος ποταμού. Η μεθοδολογία εφαρμόστηκε στο τμήμα του Άραχθου ποταμού (Ήπειρος, Ελλάδα), κατάντη του φράγματος Πουρνάρι Ι. Η εν λόγω περιοχή είναι ιδιαίτερα ευαίσθητη καθώς ο ποταμός διασχίζει το αστικό κομμάτι της Άρτας που βρίσκεται ακριβώς κάτω από το φράγμα. Ταυτόχρονα, μεγάλες καλλιεργήσιμες εκτάσεις είναι εκτεθειμένες στα συχνά πλημμυρικά φαινόμενα. Στην προτεινόμενη μεθοδολογία, ενσωματώθηκαν δυο αντικρουόμενα κριτήρια, η ελαχιστοποίηση των καταστροφών λόγω της πλημμύρας (καταστροφές καλλιεργειών και αστικών κατασκευών) και η ελαχιστοποίηση του κατασκευαστικού κόστους των απαιτούμενων έργων (π.χ. αναχώματα). Για την υδραυλική προσομοίωση χρησιμοποιήθηκαν τα μοντέλα HEC-RAS και LISFLOOD-FP, ενώ η βελτιστοποίηση έγινε με τον αλγόριθμο Surrogate-Enhanced Evolutionary Annealing-Simplex (SE-EAS).

    Πλήρες κείμενο:

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. Xu, Z., P. Plink-Björklund, S. Wu, Z. Liu, W. Feng, K. Zhang, Z. Yang, and Y. Zhong, Sinuous bar fingers of digitate shallow‐water deltas: Insights into their formative processes and deposits from integrating morphological and sedimentological studies with mathematical modelling, Sedimentology, doi:10.1111/sed.12923, 2021.

  1. I. Tsoukalas, P. Kossieris, A. Efstratiadis, and C. Makropoulos, Handling time-expensive global optimization problems through the surrogate-enhanced evolutionary annealing-simplex algorithm, European Geosciences Union General Assembly 2015, Geophysical Research Abstracts, Vol. 17, Vienna, EGU2015-5923, European Geosciences Union, 2015.

    [Χειρισμός χρονοβόρων προβλημάτων ολικής βελτιστοποίησης με τον εξελικτικό αλγόριθμο ανόπτησης-απλόκου εμπλουτισμένο με υποκατάστατα μοντέλα]

    Σε προβλήματα βελτιστοποίησης υδατικών πόρων, ο υπολογισμός της στοχικής συνάρτησης συνήθως απαιτεί την αρχική εκτέλεση ενός μοντέλου προσομοίωσης και εν συνεχεία την αποτίμηση των αποτελεσμάτων του. Ωστόσο, σε αρκετές περιπτώσεις οι μεγάλοι χρόνοι προσομοίωσης μπορεί να θέσουν σοβαρά εμπόδια στη διαδικασία βελτιστοποίησης. Συχνά, για να παραχθεί μια λύση σε εύλογο χρόνο, ο χρήστης πρέπει να περιορίσει δραστικά του επιτρεπόμενο αριθμό αποτιμήσεων της στοχικής συνάρτησης, διακόπτωντας έτσι την αναζήτηση πολύ νωρίτερα από όσο απαιτεί η πολυπλοκότητα του προβλήματος. Μια υποσχόμενη νέα στρατηγική για την αντιμετώπιση αυτών των αδυναμιών είναι η χρήση τεχνικών υποκατάστατων μοντέλων εντός των αλγορίθμων ολικής βελτιστοποίησης. Εδώ εισάγουμε τον αλγόριθμο Surrogate-Enhanced Evolutionary Annealing-Simplex (SEEAS) που συνδυάζει την ισχύ των υποκατάστατων μοντέλων με την αποτελεσματικότητα και αποδοτικότητα της εξελικτικής μεθόδου ανόπτησης-απλόκου (Evolutionary Annealing-Simplex, EAS). Ο αλγόριθμος συνδυάζει τρεις διαφορετικές προσεγγίσεις βελτιστοποίησης (εξελικτική αναζήτηση, προσομοιωμένη ανόπτηση, και το σχήμα κατερχόμενου απλόκου), στις οποίες καίριες αποφάσεις καθοδηγούνται, εν μέρει, από αριθμητικές προσεγγίσεις της στοχικής συνάρτησης. Η επίδοση του προτεινόμενου αλγορίθμου αξιολογείται έναντι άλλων που χρησιμοποιούν υποκατάστατα μοντέλα, σε θεωρητικές όσο και πρακτικές εφαρμογές (ήτοι συναρτήσεις ελέγχου και προβλήματα υδρολογικής βαθμονόμησης, αντίστοιχα), θέτοντας περιορισμένο προϋπολογισμό δοκιμών (από 100 έως 1000). Τα αποτελέσματα αναδεικνύουν τις σημαντικές δυνατότητες της μεθόδου SEEAS σε δύσκολα προβλήματα βελτιστοποίησης, που εμπεριέχουν χρονοβόρες προσομοιώσεις.

    Πλήρες κείμενο:

Academic works

  1. I. Tsoukalas, Modelling and simulation of non-Gaussian stochastic processes for optimization of water-systems under uncertainty, PhD thesis, 339 pages, Department of Water Resources and Environmental Engineering – National Technical University of Athens, Δεκέμβριος 2018.

    [Μοντελοποίηση και προσομοίωση μη γκαουσιανών στοχαστικών διεργασιών για τη βελτιστοποίηση υδατικών συστημάτων υπό αβεβαιότητα]

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1933/1/documents/Tsoukalas_Phd_LQ2.pdf (41012 KB)

Research reports

  1. Α. Ευστρατιάδης, Ν. Μαμάσης, Γ.-Κ. Σακκή, Ι. Τσουκαλάς, Π. Κοσσιέρης, Π. Δήμας, και Ν. Πελεκάνος, Σχέδιο Διαχείρισης του Υδροδοτικού Συστήματος της Αθήνας – Υδρολογικό έτος 2021-22, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, 141 pages, Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, Ιούνιος 2022.

    Στην έκθεση αυτή παρουσιάζεται το αναλυτικό ετήσιο σχέδιο διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας για το υδρολογικό έτος 2021-22, το οποίο εκπονείται σε συνεργασία με τη Διεύθυνση Υδροληψίας.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Γ.-Κ. Σακκή, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2022, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 49 pages, Απρίλιος 2022.

    Η παρούσα έκθεση εντάσσεται στο ετήσιο σχέδιο διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας για το υδρολογικό έτος 2021-22, το οποίο εκπονείται από τη Διεύθυνση Υδροληψίας, σε συνεργασία με την ερευνητική ομάδα του ΕΜΠ. Ειδικότερα, στην έκθεση διερευνάται η διαχειριστική πολιτική του υδροσυστήματος για την περίοδο Μαρτίου-Σεπτεμβρίου 2022. Οι εκτιμήσεις βασίζονται στην κατάρτιση σεναρίων βραχυπρόθεσμης (ήτοι σε χρονικό ορίζοντα επταμήνου) στοχαστικής πρόγνωσης των υδρολογικών εισροών των ταμιευτήρων και προσομοίωσης της λειτουργίας του υδροδοτικού συστήματος. Με βάση τα αποτελέσματα των αναλύσεων, εκτιμάται η εξέλιξη των αποθεμάτων και διατυπώνονται προτάσεις για την πλέον πρόσφορη διαχειριστική πολιτική.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, Ν. Μαμάσης, Ι. Τσουκαλάς, και Σ. Μανούρη, Ειδική διαχειριστική μελέτη για την άρδευση του Ελαιώνα Άμφισσας μέσω του υδραγωγείου Μόρνου, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 35 pages, Μάιος 2021.

    Η παρούσα έκθεση πραγματεύεται το πρόβλημα ένταξης μιας νέας χρήσης νερού στο υδροδοτικό σύστημα, ήτοι της χορήγησης ακατέργαστου νερού από το υδραγωγείου του Μόρνου, συνολικής ποσότητας 12 000 000 m3, για την άρδευση του Ελαιώνα Άμφισσας, κατά την αρδευτική περίοδο Απριλίου-Σεπτεμβρίου. Το πρόβλημα εξετάζεται τόσο ως προς τις τεχνικές του πτυχές (ήτοι την επίδρασή του στην λειτουργικότητα των σχετιζόμενων έργων) όσο και ως προς την επίδρασή του στην αξιοπιστία και τα λοιπά μεγέθη διαχειριστικού ενδιαφέροντος του υδροσυστήματος, όπως τα παραγόμενα ελλείμματα, η ενεργειακή κατανάλωση και τα σχετικά κόστη. Τελικός στόχος είναι η επικαιροποίηση της διαχειριστικής πολιτικής του υδροδοτικού συστήματος, που θα επιτρέπουν την ενσωμάτωση της νέας αυτής χρήσης με την ελάχιστη δυνατή επίδραση στη βιωσιμότητα, ασφάλεια και οικονομικότητά του. Στο πλαίσιο αυτό, εξετάζονται διάφορα διαχειριστικά σενάρια στα οποία ορίζονται νέοι κανόνες λειτουργίας των ταμιευτήρων, με την ένταξη περιορισμών απολήψεων από τον ταμιευτήρα του Μόρνου για αρδευτικές χρήσεις.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, Ι. Τσουκαλάς, και Σ. Μανούρη, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2021, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 38 pages, Μάρτιος 2021.

    Η παρούσα έκθεση εντάσσεται στο ετήσιο σχέδιο διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας για το υδρολογικό έτος 2020-21, το οποίο εκπονείται από τη Διεύθυνση Υδροληψίας. Ειδικότερα, στην έκθεση διερευνάται η διαχειριστική πολιτική του υδροσυστήματος για την περίοδο Μαρτίου-Σεπτεμβρίου 2021. Οι εκτιμήσεις βασίζονται στην κατάρτιση σεναρίων βραχυπρόθεσμης (ήτοι σε χρονικό ορίζοντα επταμήνου) στοχαστικής πρόγνωσης των υδρολογικών εισροών των ταμιευτήρων και προσομοίωσης της λειτουργίας του υδροδοτικού συστήματος. Με βάση τα αποτελέσματα των αναλύσεων, εκτιμάται η εξέλιξη των αποθεμάτων και διατυπώνονται προτάσεις για την πλέον πρόσφορη διαχειριστική πολιτική.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, Η. Παπακωνσταντής, Π. Παπανικολάου, Ν. Μαμάσης, Δ. Νικολόπουλος, Ι. Τσουκαλάς, και Π. Κοσσιέρης, Συνοπτική έκθεση πρώτου έτους, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 55 pages, Δεκέμβριος 2020.

    Η παρούσα έκθεση συνοψίζει τις εργασίες που πραγματοποιήθηκαν στη διάρκεια του πρώτου έτους εκτέλεσης της σύμβασης, ήτοι από τον Ιούλιο του 2019 έως τον Ιούλιο του 2020, και τα σχετικά παραδοτέα (τεχνικές εκθέσεις και λογισμικά). Στο αντικείμενο του έργου περιλαμβάνονται και οι πρόδρομες διαχειριστικές αναλύσεις που πραγματοποιήθηκαν τον Μάρτιο του 2019, και αφορούν στη διερεύνηση των υπερχειλίσεων του συστήματος Υλίκης-Παραλίμνης (Παραδοτέο 1).

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, Σ. Μανούρη, Δ. Νικολόπουλος, και Ι. Τσουκαλάς, Διερεύνηση σεναρίων διαχείρισης υδροδοτικού συστήματος περιόδου Μαρτίου-Σεπτεμβρίου 2020, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 31 pages, Μάρτιος 2020.

    Η παρούσα έκθεση αποτελεί τμήμα του σχεδίου διαχείρισης των υδατικών πόρων ύδρευσης της Αθήνας για το υδρολογικό έτος 2019-20, το οποίο εκπονείται από τη Διεύθυνση Υδροληψίας. Ειδικότερα, στην έκθεση διερευνάται η διαχειριστική πολιτική του υδροσυστήματος για την περίοδο Μαρτίου-Σεπτεμβρίου. Οι εκτιμήσεις βασίζονται στην κατάρτιση σεναρίων βραχυπρόθεσμης (σε χρονικό ορίζοντα επταμήνου) στοχαστικής πρόγνωσης των υδρολογικών εισροών των ταμιευτήρων και προσομοίωσης της λειτουργίας του υδροσυστήματος. Με βάση τα αποτελέσματα των αναλύσεων, διατυπώνονται προτάσεις σχετικά με την πλέον πρόσφορη διαχειριστική πολιτική.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

  1. Α. Ευστρατιάδης, και Ι. Τσουκαλάς, Επικαιροποίηση υδατικού ισοζυγίου Υλίκης και Παραλίμνης και εκτίμηση του κινδύνου υπερχείλισής τους το τρέχον υδρολογικό έτος, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 56 pages, Νοέμβριος 2019.

    Στην παρούσα, που αποτελεί συνέχεια αντίστοιχης έκθεσης που εκπονήθηκε τον Μάρτιο του 2019, εξετάζεται η τρέχουσα κατάσταση του υδροσυστήματος των διασυνδεδεμένων λιμνών Υλίκης και Παραλίμνης, ως προς το ενδεχόμενο υπερχείλισής τους και πρόκλησης ζημιών από πλημμύρα στις παρακείμενες περιοχές τη φετινή χρονιά. Λόγω των εξαιρετικά υψηλών εισροών της παρελθούσας υδρολογικής περιόδου (ιδιαίτερα του πρώτου τριμήνου του 2019), και οι δύο λίμνες υπερχείλισαν, και μάλιστα η Παραλίμνη για πρώτη φορά έπειτα από πολλές δεκαετίες. Στην έκθεση δίνεται έμφαση στην κατάρτιση των υδατικών ισοζυγίων των δύο λιμνών, που αποτελούν τη βάση όλων των αναλύσεών μας. Στο πλαίσιο αυτό, επιχειρείται μια ενδελεχής διερεύνηση της μεθοδολογίας εκτίμησης των μεταβλητών του υδατικού ισοζυγίου της Υλίκης, που καταλήγει στην αναθεώρηση κρίσιμων πτυχών της. Αντίστοιχα, για την Παραλίμνη αναπτύσσεται ένα μοντέλο προσομοίωσης του ημερήσιου ισοζυγίου εισροών από την Υλίκη και εκροών λόγω διαφυγών και υπερχειλίσεων.

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/2014/1/documents/NTUA_Paradoteo3_YlikiUpdate_20191126_DFmfzrX.pdf (1776 KB)

    Άλλες εργασίες που αναφέρονται σ' αυτή την εργασία (αυτός ο κατάλογος μπορεί να μην είναι ενημερωμένος):

    1. #Gourgouletis, N., G. Bariamis, and E. Baltas, Estimation of characteristics of surface water bodies based on Sentinel-2 images: The case study of Yliki reservoir, Proceedings of the Eighth International Conference on Environmental Management, Engineering, Planning & Economics, 551-558, Thessaloniki, Greece, 2021.
    2. Gourgouletis, N., G. Bariamis, M. N. Anagnostou, and E. Baltas, Estimating reservoir storage variations by combining Sentinel-2 and 3 measurements in the Yliki reservoir, Greece, Remote Sensing, 14(8), 1860, doi:10.3390/rs14081860, 2022.

  1. Α. Ευστρατιάδης, Ν. Μαμάσης, και Ι. Τσουκαλάς, Συνοπτική τεχνική έκθεση περί της αξιολόγησης του πλημμυρικού κινδύνου των περιοχών που επηρεάζονται από το εν εξελίξει φαινόμενο υπερχείλισης του συστήματος Υλίκης-Παραλίμνης, Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση, Ανάδοχος: Τομέας Υδατικών Πόρων και Περιβάλλοντος – Εθνικό Μετσόβιο Πολυτεχνείο, 25 pages, Μάρτιος 2019.

    Εξετάζεται η τρέχουσα κατάσταση των διασυνδεδεμένων λιμνών Υλίκης-Παραλίμνης, που λόγω των εξαιρετικά υψηλών εισροών των τελευταίων μηνών, η μεν Υλίκη υπερχειλίζει προς την Παραλίμνη, η δε στάθμη της Παραλίμνης έχει ανέβει σε πολύ υψηλά επίπεδα (+46.5 m, στις 22/3/2019), πλησιάζοντας με ταχύ ρυθμό στην υπερχείλιση (+52.0 m). Αντικείμενο της παρούσας συνοπτικής τεχνικής έκθεσης είναι: (α) η αξιολόγηση του κινδύνου κατάκλυσης των εγκαταστάσεων της ΔΕΥΑΧ και των λοιπών περιοχών, οι οποίες δύνανται να επηρεαστούν από την περαιτέρω ανύψωση της στάθμης της Παραλίμνης, (β) η διατύπωση προτάσεων σχετικών με άμεσες ενέργειες που πρέπει να γίνουν από πλευράς όλων των εμπλεκόμενων φορέων (αρμόδια υπουργεία, Περιφέρεια Στερεάς Ελλάδας, ΔΕΥΑ Χαλκίδας, Εταιρεία Παγίων ΕΥΔΑΠ, ΕΥΔΑΠ Α.Ε.), και (γ) η αναζήτηση εναλλακτικών τρόπων μερικής ανάσχεσης του φαινομένου, το οποίο βρίσκεται σε πλήρη εξέλιξη. Οι εκτιμήσεις βασίζονται στην κατάρτιση σεναρίων βραχυπρόθεσμης (σε χρονικό ορίζοντα τριμήνου) στοχαστικής πρόγνωσης των εισροών του Βοιωτικού Κηφισού και προσομοίωσης της λειτουργίας του συστήματος Υλίκης-Παραλίμνης.

    Σχετικές εργασίες:

    • [63] Επικαιροποιημένη έκθεση (Νοέμβριος 2019)

    Σχετικό έργο: Εκσυγχρονισμός της διαχείρισης του συστήματος των υδατικών πόρων ύδρευσης της Αθήνας – Αναθεώρηση

    Πλήρες κείμενο: http://www.itia.ntua.gr/el/getfile/1988/1/documents/NTUA_Paradoteo1_YlikiPreliminary_20190321.pdf (1015 KB)