Surrogate modelling for optimization of urban drainage networks

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Tonin, André Luís
Orientador(a): Paiva, Rodrigo Cauduro Dias de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Palavras-chave em Inglês:
Link de acesso: http://hdl.handle.net/10183/300787
Resumo: As redes de drenagem urbana são responsáveis por conduzir o escoamento superficial decorrente de eventos de chuva por meio de condutos e canais, desempenhando um papel fundamental no manejo de águas pluviais, especialmente em bacias impermeáveis, onde a geração de escoamento é elevada. Na última década, algoritmos de otimização baseados em população vêm sendo cada vez mais empregados no dimensionamento de redes de drenagem, apresentando resultados promissores. No entanto, essa metodologia é computacionalmente custosa devido à necessidade de simulações hidráulicas para cada solução candidata dentro da população. Pesquisas recentes investigaram o uso de modelos substitutos como alternativa às simulações hidráulicas convencionais, com o objetivo de acelerar a convergência. Apesar desses avanços, ainda não estão claras as melhores práticas para a implementação de modelos substitutos nesse contexto. Este estudo avaliou quatro modelos substitutos baseados em redes neurais artificiais (RNA) para prever extravasamentos em poços de visita (nós) e profundidade da lâmina d’água em condutos em um cenário de otimização de projeto, como alternativa ao método hidráulico tradicional. O processo de treinamento envolveu retropropagação, análise de sensibilidade e validação cruzada, utilizando amostras geradas por variações aleatórias na seção transversal dos condutos, declividade e desníveis. Todas as amostras geradas respeitaram restrições físicas, obedecendo aos limites mínimos e máximos de declividade e elevação do terreno. A seção transversal e a declividade dos condutos foram usadas como entrada durante o treinamento do modelo substituto, enquanto os extravasamentos dos nós e as alturas das lâminas d’água, obtidos por meio de modelos hidráulicos, foram utilizados como saída. Todas as amostras foram simuladas sob condições de escoamento permanente, derivadas de uma chuva de projeto com período de retorno de 10 anos. Dois sistemas reais de drenagem urbana de Porto Alegre, Brasil, cada um com centenas de condutos, foram utilizados como estudos de caso. Os modelos substitutos demonstraram precisão satisfatória na previsão de extravasamentos (Sensibilidade variando entre 0.81 e 0.93) e profundidade da lâmina d’água em condutos (RMSE entre 8.34% e 13.63%). Uma análise comparativa de tempo entre simulações hidráulicas tradicionais e com modelos substitutos foi conduzida para determinar a quantidade de amostras de otimização necessária para que o uso de modelos substitutos se tornasse computacionalmente vantajoso.
id URGS_992755893a36ad71d4a38df93e128484
oai_identifier_str oai:www.lume.ufrgs.br:10183/300787
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Tonin, André LuísPaiva, Rodrigo Cauduro Dias dePedrollo, Olavo Correa2026-01-27T07:54:50Z2025http://hdl.handle.net/10183/300787001300370As redes de drenagem urbana são responsáveis por conduzir o escoamento superficial decorrente de eventos de chuva por meio de condutos e canais, desempenhando um papel fundamental no manejo de águas pluviais, especialmente em bacias impermeáveis, onde a geração de escoamento é elevada. Na última década, algoritmos de otimização baseados em população vêm sendo cada vez mais empregados no dimensionamento de redes de drenagem, apresentando resultados promissores. No entanto, essa metodologia é computacionalmente custosa devido à necessidade de simulações hidráulicas para cada solução candidata dentro da população. Pesquisas recentes investigaram o uso de modelos substitutos como alternativa às simulações hidráulicas convencionais, com o objetivo de acelerar a convergência. Apesar desses avanços, ainda não estão claras as melhores práticas para a implementação de modelos substitutos nesse contexto. Este estudo avaliou quatro modelos substitutos baseados em redes neurais artificiais (RNA) para prever extravasamentos em poços de visita (nós) e profundidade da lâmina d’água em condutos em um cenário de otimização de projeto, como alternativa ao método hidráulico tradicional. O processo de treinamento envolveu retropropagação, análise de sensibilidade e validação cruzada, utilizando amostras geradas por variações aleatórias na seção transversal dos condutos, declividade e desníveis. Todas as amostras geradas respeitaram restrições físicas, obedecendo aos limites mínimos e máximos de declividade e elevação do terreno. A seção transversal e a declividade dos condutos foram usadas como entrada durante o treinamento do modelo substituto, enquanto os extravasamentos dos nós e as alturas das lâminas d’água, obtidos por meio de modelos hidráulicos, foram utilizados como saída. Todas as amostras foram simuladas sob condições de escoamento permanente, derivadas de uma chuva de projeto com período de retorno de 10 anos. Dois sistemas reais de drenagem urbana de Porto Alegre, Brasil, cada um com centenas de condutos, foram utilizados como estudos de caso. Os modelos substitutos demonstraram precisão satisfatória na previsão de extravasamentos (Sensibilidade variando entre 0.81 e 0.93) e profundidade da lâmina d’água em condutos (RMSE entre 8.34% e 13.63%). Uma análise comparativa de tempo entre simulações hidráulicas tradicionais e com modelos substitutos foi conduzida para determinar a quantidade de amostras de otimização necessária para que o uso de modelos substitutos se tornasse computacionalmente vantajoso.Urban drainage networks are responsible for conveying surface runoff from rainfall events through conduits and channels, playing a critical role in stormwater management, particularly in impervious basins where runoff generation is elevated. On the last decade, population-based optimization algorithms have been increasingly employed for drainage network design, yielding promising results. However, this methodology is computationally expensive due to the need for hydraulic simulations for every candidate solution within the population. Recent research has investigated the use of surrogate models as a replacement for conventional hydraulic simulations to accelerate convergence. Despite these efforts, best practices for implementing surrogate models in this context remain unclear. This study evaluated four artificial neural network (ANN)based surrogate models to predict node (manhole) overflow and conduit water depth within an project optimization framework as an alternative to the traditional hydraulic approach. The training process involved backpropagation, sensitivity analysis, and crossvalidation, using samples generated through randomized conduit cross-section, slope and offset variation. All samples generated had compliance with physical constraints, respecting minimum and maximum slopes and terrain elevations. Conduit cross-section and slope served as input during the surrogate model training phase, while node overflow and conduit water depth obtained from hydraulic models were used as output. All samples were simulated using steady-state flow conditions derived from a design storm with a 10year return period. Two real-world urban drainage systems from Porto Alegre, Brazil, each comprising hundreds of conduits, were used as benchmark case studies. The surrogate models demonstrated satisfactory accuracy in predicting node overflow (Sensitivity ranging from 0.81 to 0.93) and water depth in conduits (RMSE between 8.34% and 13.63%). A comparative time analysis between surrogate-based and traditional hydraulic simulations was conducted to determine the number of optimization samples required for surrogate modeling to become computationally advantageous.application/pdfengDrenagem urbana : Porto Alegre (RS)Sistemas de drenagem urbanaOtimizaçãoRedes de esgoto pluvialRedes neurais artificiaisEscoamento permanenteModelos computacionaisUrban drainage systemOptimizationSurrogate modelSurrogate modelling for optimization of urban drainage networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Pesquisas HidráulicasPrograma de Pós-Graduação em Recursos Hídricos e Saneamento AmbientalPorto Alegre, BR-RS2025mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001300370.pdf.txt001300370.pdf.txtExtracted Texttext/plain182900http://www.lume.ufrgs.br/bitstream/10183/300787/2/001300370.pdf.txtc056f96d615752c030a12d498cafe4c5MD52ORIGINAL001300370.pdfTexto completo (inglês)application/pdf5423835http://www.lume.ufrgs.br/bitstream/10183/300787/1/001300370.pdf71b079513db78cb3f104593befb2c30cMD5110183/3007872026-02-11 09:03:17.358469oai:www.lume.ufrgs.br:10183/300787Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532026-02-11T11:03:17Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Surrogate modelling for optimization of urban drainage networks
title Surrogate modelling for optimization of urban drainage networks
spellingShingle Surrogate modelling for optimization of urban drainage networks
Tonin, André Luís
Drenagem urbana : Porto Alegre (RS)
Sistemas de drenagem urbana
Otimização
Redes de esgoto pluvial
Redes neurais artificiais
Escoamento permanente
Modelos computacionais
Urban drainage system
Optimization
Surrogate model
title_short Surrogate modelling for optimization of urban drainage networks
title_full Surrogate modelling for optimization of urban drainage networks
title_fullStr Surrogate modelling for optimization of urban drainage networks
title_full_unstemmed Surrogate modelling for optimization of urban drainage networks
title_sort Surrogate modelling for optimization of urban drainage networks
author Tonin, André Luís
author_facet Tonin, André Luís
author_role author
dc.contributor.author.fl_str_mv Tonin, André Luís
dc.contributor.advisor1.fl_str_mv Paiva, Rodrigo Cauduro Dias de
dc.contributor.advisor-co1.fl_str_mv Pedrollo, Olavo Correa
contributor_str_mv Paiva, Rodrigo Cauduro Dias de
Pedrollo, Olavo Correa
dc.subject.por.fl_str_mv Drenagem urbana : Porto Alegre (RS)
Sistemas de drenagem urbana
Otimização
Redes de esgoto pluvial
Redes neurais artificiais
Escoamento permanente
Modelos computacionais
topic Drenagem urbana : Porto Alegre (RS)
Sistemas de drenagem urbana
Otimização
Redes de esgoto pluvial
Redes neurais artificiais
Escoamento permanente
Modelos computacionais
Urban drainage system
Optimization
Surrogate model
dc.subject.eng.fl_str_mv Urban drainage system
Optimization
Surrogate model
description As redes de drenagem urbana são responsáveis por conduzir o escoamento superficial decorrente de eventos de chuva por meio de condutos e canais, desempenhando um papel fundamental no manejo de águas pluviais, especialmente em bacias impermeáveis, onde a geração de escoamento é elevada. Na última década, algoritmos de otimização baseados em população vêm sendo cada vez mais empregados no dimensionamento de redes de drenagem, apresentando resultados promissores. No entanto, essa metodologia é computacionalmente custosa devido à necessidade de simulações hidráulicas para cada solução candidata dentro da população. Pesquisas recentes investigaram o uso de modelos substitutos como alternativa às simulações hidráulicas convencionais, com o objetivo de acelerar a convergência. Apesar desses avanços, ainda não estão claras as melhores práticas para a implementação de modelos substitutos nesse contexto. Este estudo avaliou quatro modelos substitutos baseados em redes neurais artificiais (RNA) para prever extravasamentos em poços de visita (nós) e profundidade da lâmina d’água em condutos em um cenário de otimização de projeto, como alternativa ao método hidráulico tradicional. O processo de treinamento envolveu retropropagação, análise de sensibilidade e validação cruzada, utilizando amostras geradas por variações aleatórias na seção transversal dos condutos, declividade e desníveis. Todas as amostras geradas respeitaram restrições físicas, obedecendo aos limites mínimos e máximos de declividade e elevação do terreno. A seção transversal e a declividade dos condutos foram usadas como entrada durante o treinamento do modelo substituto, enquanto os extravasamentos dos nós e as alturas das lâminas d’água, obtidos por meio de modelos hidráulicos, foram utilizados como saída. Todas as amostras foram simuladas sob condições de escoamento permanente, derivadas de uma chuva de projeto com período de retorno de 10 anos. Dois sistemas reais de drenagem urbana de Porto Alegre, Brasil, cada um com centenas de condutos, foram utilizados como estudos de caso. Os modelos substitutos demonstraram precisão satisfatória na previsão de extravasamentos (Sensibilidade variando entre 0.81 e 0.93) e profundidade da lâmina d’água em condutos (RMSE entre 8.34% e 13.63%). Uma análise comparativa de tempo entre simulações hidráulicas tradicionais e com modelos substitutos foi conduzida para determinar a quantidade de amostras de otimização necessária para que o uso de modelos substitutos se tornasse computacionalmente vantajoso.
publishDate 2025
dc.date.issued.fl_str_mv 2025
dc.date.accessioned.fl_str_mv 2026-01-27T07:54:50Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/300787
dc.identifier.nrb.pt_BR.fl_str_mv 001300370
url http://hdl.handle.net/10183/300787
identifier_str_mv 001300370
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/300787/2/001300370.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/300787/1/001300370.pdf
bitstream.checksum.fl_str_mv c056f96d615752c030a12d498cafe4c5
71b079513db78cb3f104593befb2c30c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br || lume@ufrgs.br
_version_ 1863628199275003904