Heutzutage werden Daten vielfach von automatisierten Sensoren erfasst. Viele Informationen sind verfügbar und können verwendet werden, um die Fragen hinter einem Modell zu beantworten. Verbesserte Methoden zur Charakterisierung des Grundwassersystems bringen eine höhere Modellkomplexität mit sich, um geologische und hydrogeologische Interpretationen darzustellen. Die größeren Kalibrierungsdatensätze und die Notwendigkeit einer aussagekräftigen Vorhersageunsicherheitsanalyse erhöhen den Parametrisierungsgrad. Moderne Grundwassermodellierungsbemühungen erfordern so einen massiven Grad an Parallelisierung, um rechnerisch handhabbar zu bleiben. Cloud-Dienste erleichtern auf Grund ihrer faktisch unbegrenzten Ressourcen-Skalierbarkeit diese Aufgaben enorm.
Bereits vor einigen Jahren wagte sich DHI mit FEFLOW in der Cloud an die automatische Kalibrierung eines regionalen Grundwassermodells zur Nachbildung der natürlichen komplexen hydraulischen Bedingungen vor dem Abbau in einer Mine in den peruanischen Anden. Die FePEST-basierte Modellkalibrierung von 786 einstellbaren Parametern, die mehrere hydrogeologische Einheiten und Störungssysteme repräsentieren, erfolgte auf den EC2-Servern von Amazon.
FePEST kombiniert den Leistungsumfang von PEST, einschließlich der Evaluierung der Modellunsicherheit, mit der Benutzerfreundlichkeit einer grafischen Oberfläche. Es verwendet eine auf BeoPEST basierende Parallelisierung, bei der die Aufgabe durch einen Masterprozess auf eine Gruppe mehrerer Slaves aufgeteilt wird. Der Master sendet einen zu durchlaufenden Parametersatz an einen Slave und erhält von diesem über eine TCP/IP-Verbindung die Modellergebnisse zurück. Ein solcher robuster Ansatz macht die Operation fast überall möglich: FePEST kann über mehrere Maschinen oder sogar mehrere Cluster von Maschinen (innerhalb oder außerhalb desselben lokalen Netzwerks) betrieben werden und ein FePEST-Master kann effizient mit Hunderten oder Tausenden von Slaves umgehen. Die Slaves werden zu Cloud-Images, die je nach Cloud-Anbieter der in der Regel pro Stunde gemietet werden. Jedes Image kann geklont werden, sodass sich eine Wiederholung der Softwareinstallation erübrigt und die Einrichtung der Cloud-Parallelisierungsumgebung beschleunigt.
Heute ermöglicht es unsere SaaS-Lösung (Software as a Service), mehrere Cloud-Images zu initialisieren, die bereits lizenziert sind und die erforderliche Software installiert haben. Das System kann vom Benutzer abhängig von den Simulationsanforderungen – z.B. für parallele FEFLOW-Modellkalibrierung – skaliert werden. Weitere Details finden Sie unter https://saas.dhigroup.com.
Momentan arbeitet DHI an einer Lösung, die auf dem sogenannten Docker Container basiert. Ein Container ist eine virtuelle Maschinenvorlage (Instanz), die leistungsfähiger als eine herkömmliche virtuelle Maschine ist. Sie wird nativ auf der Hardware ausgeführt, ist portabel, erlaubt öffentliche Freigaben und ermöglicht eine „Orchestrierung“ (Verwaltung mehrerer Container). Eine Docker-basierte Lösung wird die Parallelisierung der Kalibrierung des Grundwassermodells wesentlich erleichtern. Die Zukunft von FEFLOW in der Cloud hat gerade begonnen!
Author Profile
