Detta examensarbete utvärderar tidsseriemodellering för att undersöka grundvattenpåverkan orsakad av tunnelanläggning i en urban miljö baserat på en processbaserad grundvattenmodell med referenspunkt. Haga-platsen i Göteborg som en del av projekt Västlänken användes som fallstudieområde. Med hjälp av dataset från olika källor, inklusive klimatdata från SMHI, grundvattennivåobservationer från Haga-området och MODFLOW-simuleringar genomfördes MODFLOW-simuleringar och tidsserieanalys för att simulera och utvärdera GW-dynamik. Genom Python-baserad transferfunktionsmodellering (TFN) med hjälp av Pastas-paketet har tidsseriemodeller skapats för att bedöma potentiellt tunnelläckage och dess påverkan på GW-nivåer. Arbetet betonar vikten av noggrann datainsamling och precisa modelleringstekniker för att korrekt kalibrera modellen och visa effekterna på grundvattensystem. Kalibreringen av MODFLOW-modellen visade god korrelation med observerade grundvattendata, men urbana komplexiteter och modellbegränsningar orsakade avvikelser. Förbättringar, såsom förbättrade kalibreringstekniker och förbättrad representation av grundvattenpåfyllning, kan förbättra modellens noggrannhet. TFN-modellerna visade god prestanda, särskilt vid tillförsel av spänningsdata rörande tunnelläckage. Detta indikerar att TFN-modellers förmåga att representera grundvattenpåverkan kan jämföras med en grundvattenflödesmodell. Denna studie belyste dock också utmaningar på grund av databrist, vilket leder till missanpassningar mellan grundvattennivåobservationer och simuleringar med referensmodellen, vilka i framtida studier kan åtgärdas med mer avancerade kalibrerings- och integrationstekniker. Framtida forskning bör fokusera på att förfina dessa modeller och undersöka TFN-modellernas förmåga när olika typer av grundvattenpåverkan sker samtidigt.

This thesis evaluates time series modelling for investigating groundwater impacts due to tunnelling in an urban environment based on a process-based, benchmark groundwater model. The Haga site in Gothenburg, Sweden, as part of the Västlänken infrastructure project was used as case study area. Utilizing datasets from various sources, including climate data from SMHI, head observations from the Haga site, and MODFLOW simulations. The study employs MODFLOW simulations and time series analysis to simulate and evaluate GW dynamics. Through Python-based transfer function noise modelling (TFN) using the Pastas package, the study constructs time series models to assess potential tunnel leakage and its impact on GW levels. The thesis emphasizes the importance of accurate data collection and precise modelling techniques to correctly calibrate the model to show the effects on GW systems. The calibration of the MODFLOW model showed good correlation with observed groundwater data, but urban complexities and model limitations caused discrepancies. Refinements, such as improved calibration techniques and improving the representation of groundwater recharge, could enhance model accuracy. The TFN models demonstrated strong performance, especially with added stress data of tunnel leakage. This indicates that the ability of TFN models to investigate groundwater impacts can be benchmarked with a groundwater flow model. However, this study also highlighted challenges due to data scarcity, leading to mismatches between groundwater observations and simulations with the benchmark model, which in future studies could be addressed with more advanced calibration and integration techniques. Future research should focus on refining these models and investigating the skill of TFN models when more groundwater impacts are present.