One of the weakest aspects of hydromorphological models is the use of empirical formulae for calculating sediment transport rates, which are of limited generality. In many cases, unreasonable morphological changes are predicted and the results of the different formulae often strongly vary. The reasons arise from the complexity of the interaction between flow and sediment transport, and in the limitations of the nonlinear regression applied in these methods. In contrast to most traditional empirical methods, which need prior knowledge about the nature of the relationships within the data, the data-driven models (e.g. Artificial Neural Networks) learn from the data examples presented to them in order to capture the subtle functional relationships between the data. This can be determined even if the underlying relationships are unknown or the physical meaning is difficult to explain. The main objective of this study is to develop optimal Artificial Neural Network models (ANNs), able to be integrated into a hydromorphological model system and adequately predict the morphological changes in alluvial channels under different flow conditions. To achieve this aim, the open source finite element system, TELEMAC-MASCARET, was applied to simulate different complex hydrodynamic and morphodynamic situations. The calibrated results were then used as input-data in ANN to obtain ANN-based approximators for the new proposed schemes of hydromorphodynamic-model system. In the first scheme, 2 or 3 ANN models might be utilized for hydrodynamic calculations. At each time step, the hydrodynamic variables including velocity field and water depth were transferred into the morphodynamic model (ANN-based approximator), which then sent back the updated bed elevation to the hydrodynamic model. In the second scheme, only one ANN based approximator model was integrated into the sediment transport model SISYPHE while the TELEMAC-2D/3D remained unchanged for hydrodynamic calculations. The time-step of morphodynamic part (ANN-based approximator) was much larger than the time step of TELEMAC-2D/3D and during the flow computation, the bed level was assumed to stay constant. The novelty of the proposed schemes is that they reduce the computation costs significantly in the prediction of both hydrodynamic and morphodynamic variables. To evaluate the prediction qualities of the proposed models, a comparative study evaluating the errors associated with the model was carried out. A statistical parameter included in this study was the measurement of goodness-of-fit between the estimated bed change and TELEMAC simulation.      «

One of the weakest aspects of hydromorphological models is the use of empirical formulae for calculating sediment transport rates, which are of limited generality. In many cases, unreasonable morphological changes are predicted and the results of the different formulae often strongly vary. The reasons arise from the complexity of the interaction between flow and sediment transport, and in the limitations of the nonlinear regression applied in these methods. In contrast to most traditional empir...     »

Die Verwendung von nur begrenzt allgemein gültigen, empirischen Formeln zur mathematischen Beschreibung von Sedimenttransport stellt eine Unsicherheit und Limitierung von hydromorphologischen Modellen dar. Häufig prognostizieren diese Modelle unrealistische morphologische Veränderungen und die Ergebnisse verschiedener Formeln für ein identisches Gebiet variieren stark. Ursache dieser Limitierung ist es, dass die Wechselwirkung zwischen Strömung und Sedimenttransport sehr komplex ist und nur begrenzt durch nichtlineare Regression, was diesen Methoden zu Grunde liegt, abbildbar ist. Im Gegensatz zu den meisten traditionellen empirischen Methoden, die umfassende Kenntnis über die Beziehung zwischen Daten benötigt, können datengetriebene Modelle (z. B. künstliche neuronale Netze) von diesen Daten lernen und detaillierte funktionale Beziehungen ermitteln. Das geschieht sogar, wenn die grundlegende Beziehung zwischen den Daten unbekannt ist oder ihre physikalische Bedeutung sich schwer beschreiben lässt. Das Hauptziel dieser Arbeit ist es, geeignete Architekturen künstlicher neuronaler Netze zu entwickeln, die in ein hydromorphologisches Modellsystem integriert werden können und in der Lage sind, die morphologischen Veränderungen in alluvialen Gerinnen unter verschiedenen Strömungsbedingungen vorherzusagen. Für die Simulation verschiedener hydrodynamischer und morphodynamischer Situationen wurde das Open-Source-System TELEMAC-MASCARET angewandt. Die kalibrierten TELEMAC-MASCARET-Ergebnisse wurden als Eingangsdaten verwendet, um ANN-basierte Approximatoren für die neu vorgeschlagenen Schemata des hydromorphodynamischen Modellsystems zu erhalten. Im ersten Schema können wahlweise 2 oder 3 ANN-Modelle verwendet werden, um die hydrodynamische Berechnungen durchzuführen. Die ermittelten Variablen, wie Geschwindigkeitsprofil und Wassertiefe, werden in jedem Zeitschritt in das neu entwickelte morphodynamische Modell (ANN-basierter Approximator) übertragen, welches die aktualisierte Flusssohle an das hydrodynamische Modell zurückspielt. In dem zweiten Schema wird nur ein ANN-basiertes Modell in das morphody namische Modell integriert, während für die Hydrodynamik auf das konventionelle TELEMAC-2D/3D zurückgegriffen wird. Diese Entwicklung erlaubt einen deutlich vergröÿerten Zeitschritt für die morphologische Berechnung, als der Zeitschritt von TELEMAC2D/3D. Die Neuheit der vorgeschlagenen Systeme besteht darin, dass sie den Berechnungsaufwand bei der Vorhersage von hydrodynamischen und morphodynamischen Gröÿen deutlich reduzieren. Um die Vorhersagequalität der entwickelten Modelle zu bewerten, wurde eine Vergleichsstudie durchgeführt. Maÿgebendes Kriterium war dabei die Genauigkeit, mit der die hier vorgestellten Modelle die Ergebnisse der TELEMACMASCARET Simulationen reproduzieren können.      «

Die Verwendung von nur begrenzt allgemein gültigen, empirischen Formeln zur mathematischen Beschreibung von Sedimenttransport stellt eine Unsicherheit und Limitierung von hydromorphologischen Modellen dar. Häufig prognostizieren diese Modelle unrealistische morphologische Veränderungen und die Ergebnisse verschiedener Formeln für ein identisches Gebiet variieren stark. Ursache dieser Limitierung ist es, dass die Wechselwirkung zwischen Strömung und Sedimenttransport sehr komplex ist und nur b...     »