DDDanial Dehghan-Souraki

Danial Dehghan-Souraki

*This is an algorithmically generated author record based on publicly available information.

Danial Dehghan-Souraki has a total of 21 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Modeling sediment transport in rivers and reservoirs using an accelerated model

    by Danial Dehghansouraki

    (English) Reservoir sedimentation is a critical, ongoing issue in managing water resources sustainably. While conventional two-dimensional models are computationally efficient, they miss key three-dimensional processes, such as thermal stratification. Three-dimensional models provide a more accurate physical representation but require extensive computational resources, making them impractical for large-scale applications. This research creates a computational framework that combines High-Performance Computing, Artificial Intelligence, and advanced 3D multiphysics simulation to bridge this gap. A two-dimensional hydro-morphodynamic model (R-Iber) was rebuilt for Graphics Processing Units, resulting in computational speed-ups of one to two orders of magnitude. The accelerated model supported training a Deep Neural Network surrogate, enabling a 100,000-run Monte Carlo analysis for robust model calibration and uncertainty quantification. In parallel, a comprehensive three-dimensional multiphysics model was developed in the Kratos framework to simulate the 3D fluid-thermal problem. The integrated approach was used for the Riba-roja reservoir system. It measured how thermal stratification affects sediment trapping efficiency. Results show that combining HPC, AI, and multiphysics modeling leads to practical and actionable methods for sustainable reservoir management. (Català) La sedimentació als embassaments és un problema crític i continu en la gestió sostenible dels recursos hídrics. Encara que els models bidimensionals (2D) convencionals són computacionalment eficients, ometen processos tridimensionals clau, com ara l'estratificació tèrmica. Els models tridimensionals (3D) proporcionen una representació física més precisa, però requereixen extensos recursos computacionals, fet que els fa inviables per a aplicacions a gran escala. Aquesta recerca desenvolupa un marc computacional que combina Computació d'Alt Rendiment (HPC), Intel·ligència Artificial (IA) i simulació multifísica 3D avançada per a salvar aquesta escletxa. Un model hidromorfodinàmic bidimensional (R-Iber) es va reimplementar per a Unitats de Processament Gràfic (GPUs), aconseguint acceleracions computacionals d'un a dos ordres de magnitud. El model accelerat va permetre l'entrenament d'un model substitut (surrogate) basat en Xarxes Neuronals Profundes (DNN), possibilitant una anàlisi de Monte Carlo de 100.000 execucions per a una calibració robusta del model i la quantificació de la incertesa. En paral·lel, es va desenvolupar un model multifísic tridimensional complet en l'entorn Kratos per a per simular el problema fluid tèrmic tridimensional. L'enfocament integrat es va aplicar al sistema de l'embassament de Riba-roja. Es va avaluar com l'estratificació tèrmica afecta l'eficiència d'atrapament de sediments. Els resultats demostren que la combinació d'HPC, IA i modelatge multifísic condueix a mètodes pràctics i aplicables per a la gestió sostenible d'embassaments. (Español) La sedimentación en embalses es un problema crítico y continuo en la gestión sostenible de los recursos hídricos. Aunque los modelos bidimensionales (2D) convencionales son computacionalmente eficientes, omiten procesos tridimensionales clave, como la estratificación térmica. Los modelos tridimensionales (3D) proporcionan una representación física más precisa, pero requieren extensos recursos computacionales, lo que los hace imprácticos para aplicaciones a gran escala. Esta investigación desarrolla un marco computacional que combina Computación de Alto Rendimiento (HPC), Inteligencia Artificial (IA) y simulación multifísica 3D avanzada para salvar esta brecha. Un modelo hidromorfodinámico bidimensional (R-Iber) fue reimplementado para Unidades de Procesamiento Gráfico (GPUs), logrando aceleraciones computacionales de uno a dos órdenes de magnitud. El modelo acelerado permitió el entrenamiento de un modelo sustituto (surrogate) basado en Redes Neuronales Profundas (DNN), posibilitando un análisis de Monte Carlo de 100.000 ejecuciones para una calibración robusta del modelo y la cuantificación de la incertidumbre. En paralelo, se desarrolló un modelo multifísico tridimensional completo en el entorno Kratos para para simular el problema fluido térmico tridimensional. El enfoque integrado se aplicó al sistema del embalse de Riba-roja. Se evaluó cómo la estratificación térmica afecta a la eficiencia de atrapamiento de sedimentos. Los resultados demuestran que la combinación de HPC, IA y modelado multifísico conduce a métodos prácticos y aplicables para la gestión sostenible de embalses.

  • Open Access

    Three-Dimensional Finite Element Modeling of Thermal Stratification in the Riba-Roja Reservoir Confluence: A Fluid–Thermal Multiphysics Approach

    by Danial Dehghan-Souraki, Uxue Chasco Goñi, Rubén Zorrilla Martínez, Ernest Bladé i Castellet, Antonia Larese

    This study presents a numerical investigation of the hydrodynamic and thermal interactions at the confluence of the Ebro and Segre Rivers in the Riba-roja Reservoir, using the Finite Element Method (FEM) within the Kratos Multiphysics framework. The coupled Navier–Stokes and energy equations were solved, employing the variational multi-scale (VMS) method for stabilization. Field data from thermal imaging and in situ measurements in March and October 2011 were used for model validation. The results revealed complex mixing and stratification dynamics influenced by regulated and unregulated flows, seasonal temperature variations, and reservoir geometry. Despite some discrepancies in temperature predictions due to the decoupled energy equation, the model effectively captured the system’s thermal behavior. This work represents a first step toward incorporating a fully coupled energy equation and exploring the effects of thermal mixing and stratification on suspended sediment transport. This study enhances understanding of fluid–thermal interactions in reservoir systems, with implications for water quality management and ecological conservation.


  • Open Access

    Análisis del transporte de sedimentos en el curso bajo del río Ebro mediante modelización numérica de una avenida controlada

    by David López-Gómez, Miguel De Blas-Moncalvillo, María Castejón-Zapata, Ángel Gassó-Sánchez, Ernest Bladé, Marcos Sanz-Ramos, Danial Dehghan-Souraki, Luis Garrote-De Marco, David Santillán-Sánchez, Juan Miguel Soria-García, et al.

    El principal objetivo de este estudio es el análisis de la movilización de sedimento durante la avenida controlada del 5 de mayo de 2022 en el curso bajo del río Ebro desde la presa de Ribarroja. Durante este evento, se realizó una campaña de ensayos incluyendo aforo de caudales y medidas de turbidez y concentración de sedimentos en suspensión. Esta información ha permitido simular numéricamente el curso bajo del río Ebro desde la presa de Flix hasta su desembocadura con el modelo Iber, modelo euleriano 2D basado en el esquema de los volúmenes finitos de primer orden. Para ello se ha empleado el módulo de transporte de sedimentos en suspensión que resuelve la ecuación de advección – difusión, que emplea el modelo de erosión y sedimentación de Van-Rijn y resuelve la conservación de masa de Exner para estudiar la evolución del lecho. Los resultados de la modelización numérica son coherentes con la campaña de ensayos y validan el modelo Iber para analizar el transporte de sólidos en suspensión en la zona de estudio.


  • High Performance Computing in Eco-Hydraulics: High-Resolution and long-Term Numerical Modelling

    by Marcos Sanz-Ramos, David López-Gómez, Ernest Bladé, Danial Dehghan-Souraki

  • Flood Maps Definition for Off-Stream Reservoir Failure: Deterministic Versus Probabilistic Approach

    by Marcos Sanz-Ramos, Ernest Bladé, Nathalia Silva-Cancino, Fernando Salazar, David López-Gómez, Danial Dehghan-Souraki

  • Open Access

    Optimizing sediment transport models by using the Monte Carlo simulation and deep neural network (DNN): A case study of the Riba-Roja reservoir

    by Danial Dehghan-Souraki, David López-Gómez, Ernest Bladé-Castellet, Antonia Larese, Marcos Sanz-Ramos