A’ διεθνές Βραβείο απόφοιτου του Α.Π.Θ.

Για διπλωματική εργασία που εκπονήθηκε στο

Τμήμα Πολιτικών Μηχανικών

του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης

Ρεπορτάζ: Νίκος Μόσχοβος

21:28:22,03/30/2022

Ο απόφοιτος του Τμήματος Πολιτικών Μηχανικών της Πολυτεχνικής Σχολής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης ( Α.Π.Θ.),  Μάριου Καραμπάση, ο οποίος απέσπασε το πρώτο βραβείο στο διεθνή διαγωνισμό «RMEIM Student Prize 2022»

Στη βελτιστοποίηση του δικτύου παρακολούθησης των υπόγειων υδάτων στόχευε η διπλωματική εργασία του απόφοιτου-πλέον- του Τμήματος Πολιτικών Μηχανικών της Πολυτεχνικής Σχολής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης ( Α.Π.Θ.),  Μάριου Καραμπάση, ο οποίος απέσπασε το πρώτο βραβείο στο διεθνή διαγωνισμό «RMEIM Student Prize 2022».

Με επίκεντρο τη βιώσιμη ανάπτυξη

Ο διαγωνισμός είχε ως θέμα τη βιώσιμη ανάπτυξη και  διοργανώθηκε από το Δίκτυο Πολυτεχνείων των Μεσογειακών Σχολών («RMEIM – Mediterranean Network of Engineering and Management Schools)», στο οποίο συμμετέχουν 59 σχολές από 15 μεσογειακές χώρες (Ελλάδα, Ισπανία, Γαλλία, Ιταλία, Πορτογαλία, Τυνησία, Ιορδανία, Λιβύη, Μαρόκο, Αίγυπτος, Τουρκία κ.ά.)

Η βραβευμένη εργασία

Ο απόφοιτος – πλέον- του Α.Π.Θ.  απέσπασε το  πρώτο βραβείο για τη διπλωματική εργασία, με τίτλο: «Εύρεση Πηγής Ρύπανσης και Βελτιστοποίηση Δικτύου Παρατήρησης σε Υδροφορέα με Μηχανική Μάθηση και Modflow».

Επιβλέπων ήταν ο  ακαδημαϊκό υπότροφος και ερευνητής  του Τμήματος Πολιτικών Μηχανικών του Α.Π.Θ., Γιάννης Ν. Κοντός. Επίσης, στη τριμελή επιτροπή για τη διπλωματική εργασία, που παρουσιάστηκε τον Ιούλιο του 2021,  συμμετείχαν οι  καθηγητές του Τμήματος Πολιτικών Μηχανικών του Α.Π.Θ., Κωνσταντίνος Κατσιφαράκης και Ζήσης Μάλλιος.

Δήλωση Πρύτανη του Α.Π.Θ.

«Οι φοιτητές μας,  με τις καινοτόμες ιδέες τους, τις διαρκείς προσπάθειές τους,  και με όλα τα εφόδια που παίρνουν από το Α.Π.Θ., κατακτούν υψηλές θέσεις σε διεθνείς διαγωνισμούς, καθώς και μας δείχνουν ότι το μέλλον τους ανήκει», τόνισε ο πρύτανης του Α.Π.Θ.- καθηγητής, Νικόλαος Γ. Παπαϊωάννου.

 Παρακολούθηση της ποιότητας

 των υπόγειων νερών με Τεχνητή Νοημοσύνη

Η μελέτη του κ. Καραμπάση  στόχευε στη βελτιστοποίηση του δικτύου παρακολούθησης των υπόγειων υδάτων, το οποίο χρησιμοποιείται για το σύντομο προσδιορισμό της προέλευσης της ρύπανσης σ’ ένα πρόβλημα αναγνώρισης των πηγών ρύπανσης των υπόγειων υδάτων, με μεγάλη συνέπεια.

Η έρευνα αποτελούσε τη συνέχεια της έρευνας για τη  μοντελοποίηση της ρύπανσης των υπόγειων νερών, που έγινε το 2021 με μεθόδους μηχανικής μάθησης από τους Kontos et al. Σύμφωνα με την έρευνα του απόφοιτου του Α.Π.Θ.  υφίστανται έξι πιθανές τοποθεσίες πηγής ρύπανσης και δύο φρεάτια άντλησης, σε ένα θεωρητικό περιορισμένο υδροφόρο ορίζοντα. Η αρχική συγκέντρωση ενός συντηρητικού ρύπου τοποθετείται σε μία από τις πηγές ρύπανσης.

Η επιτυχής εφαρμογή των μεθόδων  της μηχανικής μάθησης και της τεχνητής νοημοσύνης από τον κ. Καραμπάση «φαίνεται» πως «ανοίγει τώρα  το δρόμο» για τη περαιτέρω επιστημονική  έρευνα σχετικά με το θέμα  της βελτιστοποίησης  του δικτύου παρακολούθησης των υπόγειων υδάτων!Φωτογραφία από tuproyecto από το Pixabay 

Χρησιμοποιήθηκε γλώσσα προγραμματισμού

Σε αντίθεση με την έρευνα του 2021 χρησιμοποίησε ο κ. Καραμπάσης μια βιβλιοθήκη της γλώσσας προγραμματισμού «Python», η οποία ονομάζεται «Flopy».

Οι εντολές αυτής της βιβλιοθήκης χρησιμοποιούν το λογισμικό πρόγραμμα  πεπερασμένων διαφορών και υδραυλικής προσομοίωσης «Modflow» και με αυτές μπόρεσε ν’ απεικονίσει το πρόβλημα της ρύπανσης των υπόγειων υδάτων για μια σειρά συνδυασμών των  δεδομένων  της πηγής ρύπανσης, της υδραυλικής κλίσης και  της άντλησης, καθώς και των  ποσοστών των δύο πηγαδιών.

Κατόπιν, χρησιμοποίησε τους αλγόριθμους μηχανικής και βαθιάς μάθησης  για τον εντοπισμό της πηγής ρύπανσης αναλύοντας τα δεδομένα που παράγονται μέσα από τις προσομοιώσεις κι  επιλέγοντας διάφορα υποσύνολα που περιέχουν μικρό αριθμό φρεατίων παρακολούθησης, καθώς και αραιές συχνότητες δειγματοληψίας!

Η καινοτομία

Η επιτυχής εφαρμογή των μεθόδων  της μηχανικής μάθησης και της τεχνητής νοημοσύνης από τον κ. Καραμπάση «φαίνεται» πως «ανοίγει τώρα  το δρόμο» για τη περαιτέρω επιστημονική  έρευνα σχετικά με το θέμα  της βελτιστοποίησης  του δικτύου παρακολούθησης των υπόγειων υδάτων!

Κατάφερε, δε, ο ίδιος να τροποποιήσει το όλο πρόβλημα σε ένα ζήτημα υπολογιστικής όρασης και να λειτουργήσει συνελικτικά νευρωνικά δίκτυα για τη βελτιστοποίηση του δικτύου παρατήρησης της ποιότητας υπόγειων υδάτων και την εκπαίδευση του αλγόριθμου σχετικά με την ανίχνευση της πηγής της ρύπανσης!

Η όλη εργασία εστίασε σε ένα καθοριστικό   θέμα  της παρακολούθησης της ποιότητας των υπόγειων νερών  μέσω  της επίλυσης ενός θεωρητικού προβλήματος της  εύρεσης της πηγής ρύπανσης  της ενός υδροφορέα,  που είναι:  Υφίσταται ή όχι ένα δεδομένο σύστημα πηγαδιών παρατήρησης, το οποίο παρέχει μετρήσεις ποιότητας του υπόγειου νερού ανά τακτά χρονικά διαστήματα;

Η απάντηση στη θεμελιώδη ερώτηση

Παράλληλα, επίλυσε ο Έλληνας ερευνητής και το συνδεδεμένο ζήτημα της βελτιστοποίησης του δικτύου παρατήρησης σε μία δεδομένη περιοχή με πιθανές πηγές σημείων ρύπανσης (π.χ. σε μια βιομηχανική περιοχή). Βρήκε, δε, την απάντηση στην εξής ερώτηση:

Πόσα πηγάδια παρατήρησης θα πρέπει να κατασκευαστούν, σε ποιες θέσεις, και κάθε πότε  θα πρέπει να γίνονται μετρήσεις, ώστε ο προτεινόμενος αλγόριθμος να βρίσκει πάντα με ακρίβεια ποιος είναι ο ρυπαντής σε περίπτωση  της ανίχνευσης μίας ρύπανσης στα υπόγεια νερά;

Η πρωτοποριακή μέθοδος

Η πρωτοποριακή μέθοδος του κ. Καραμπάση προσομοιάζει με αυτή της αναγνώρισης των αντικειμένων  και των  προσώπων, που εκπαιδεύει τα αυτόνομα οχήματα, τα οποία λειτουργούν δίχως οδηγό! Η εργασία παρουσιάστηκε  από τον Έλληνα ερευνητή στις 17-19 Μαρτίου 2022 στη Γενική Συνέλευση του Δικτύου RMEIM.

©Typologos.com 2022