per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
0
1
16037
پیشگفتار
Preface
محمد کارآموز
karamouz@ ut.ac.ir
1
https://www.iwrr.ir/article_16037_625f660b719893618592a8fee4333f9e.pdf
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
1
15
15754
Original Article
بهینهسازی بهرهبرداری از سیستمهای چند مخزنی منابع آب با استفاده از الگوریتم ژنتیک
Optimization of Multireservoir Water Resources Systems Operation Using Genetic Algorithm
سید مجتبی قدمی
1
بیژن قهرمان
bijangh@ferdowsi.um.ac.ir
2
محمد باقر شریفی
3
حبیب رجبی مشهدی
4
دانشجوی سابق کارشناسی ارشد/ مهندسی عمران آب، دانشگاه فردوسی مشهد
دانشیار /گروه مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد
استادیار /گروه مهندسی عمران آب، دانشگاه فردوسی مشهد
دانشیار /گروه مهندسی برق، دانشگاه فردوسی مشهد
به علت مغایرت در رژیم آبدهی رودخانهها با نیازهای آبی، احداث سیستمهای ذخیرهای جهت تنظیم جریانات طبیعی رودخانهها و تأمین نیازهای آبی، یکی از بهترین شیوههای استفاده از منابع آب میباشد. همچنین به لحاظ وجود نیازهای آبی در مناطق متعدد مکانی، گاه سیستم ذخیرهای شامل یک مخزن و گاهی شامل چندین مخزن متوالی بر روی رودخانه و یا شبکهای از مخازن بر روی رودخانهها و سرشاخههای آن طرح میگردد. متغیر بودن رژیمهای بارندگی و جریان رودخانه در سالهای مختلف، اتخاذ یک راهکار مدیریتی مناسب جهت بهرهبرداری از مخزن سدها را ضروری مینمایاند. در این تحقیق یک مدل الگوریتم ژنتیک قطعی جهت بهرهبرداری بهینه از یک سیستم چند مخزنی منابع آب تک منظوره در شمال خراسان به جهت مصارف کشاورزی، تدوین گردیده است. هدف اصلی، حداکثر کردن سود خالص ناشی از کاشت تمامی گیاهان در یک الگوی کاشت انتخابی میباشد. سیستم از دو مخزن متوالی بر روی رودخانههای زنگلانلو و شورکال تشکیل شده است. مناطق زراعی در پاییندست این مخازن با الگوی کاشت مشخص از محصولات گندم (به ترتیب با 27 و 18 درصد تراکم برای مزرعه 1 و2) و جو (به ترتیب با 30 و 26 درصد تراکم برای مزرعه 1 و2) و سورگوم (به ترتیب با 43 و 56 درصد تراکم برای مزرعه 1 و2) قرار دارند. در این مدل، با توجه به مقادیر مشخصی از متغیرهای حالت (حجم آب مخازن در ابتدای فصل زراعی، میزان بارندگی و رژیم رودخانه در طول فصل زراعی)، مناسبترین الگوی بهرهبرداری از مخزن سدها، تخصیص بهینه آن بین گیاهان مختلف و در نهایت سود حاصل از زراعت بدست میآید. مزیت مدل برای 12 ترکیب از متغیرهای حالت (4 کلاس حجم ابتدایی مخازن و 3 رژیم خشک، تر و میانگین برای بارندگی و جریان رودخانه) اجرا شد. نتایج نشان دادند که این جوابها در رژیم خشک به دسته حجم ابتدایی مخازن وابستگی داشت و با مرطوب شدن رژیم بارندگی و جریان رودخانه، از حساسیت جوابها کاسته شد. همچنین عملکرد نسبی محصولات مزرعه 2 در رژیم خشک، کاهش بیشتری داشت که ممکن است بدلیل حجم کوچکتر مخزن سد شورکال باشد.
Since the river flow regime is not always in harmony with the downstream water requirements, reservoir systems are constructed to regulate the natural river flow. Because of the spatial distribution of the water requirement sites, the storage system on a river may consist of several reservoirs. Due to the variable rainfall and river regime, the management policies play an important role for operation of the reservoir system. In this study, a deterministic Genetic Algoritem model is developed for optimal operation of the multireservoir water resource system in the north of Khorasan, northeastern Iran. The reservoirs are single purpose and regulate water for an irrigation project. The system is intended to maximize the total farm income. The system is made up of two reservoirs in series on Zangelanloo and Shoorkal rivers. Objective downstream farming fields are cultivated with a pre-determined multiple cropping pattern of wheat (27% and 18% in field 1 and 2, respectively), barley (30% and 26% in field 1 and 2, respectively), and sorghum (43% and 56% in field 1 and 2, respectively). The model developed in this study is used to obtain the optimal pattern of reservoir operation and water allocation among different crops for a definite combinations of state variables (reservoir storage classes at the beginning of the season and rainfall and inflow regimes). Total farm income were maximized. Running the model for 12 combinations of the state variables (4 reservoir storage classes and 3 regimes of dry, wet and average for rainfall and river inflow) showed that the results corresponding to the dry regime were sensitive to the reservoir storage class at the beginning of the season. In other regimes this sensitivity decreased. Also relative crop yield of field 2 decreased more in the dry regime, which may be due to the smaller reservoir in Shoorkal dam.
https://www.iwrr.ir/article_15754_d9381a4a7e42afdb96930b9618e6e3ec.pdf
بهینهسازی
سیستمهای چند مخزنی
الگوریتم ژنتیک
تنش آبی
تخصیص بهینه آب
optimization
Multireservoir Systems Operation
Genetic algorithm
water stress
Optimal Water Allocation
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
16
26
15755
Original Article
پیشبینی کمآبی ماهانه با استفاده از یک مدل استوکستیک و سیستم استنتاج فازی مبتنی بر شبکة تطبیقی
Monthly Low-Flow Forecasting Using a Stochastic Model and Adaptive Network Based Fuzzy Inference System
مجید خلقی
kholghi@ut.ac.ir
1
افشین اشرفزاده
2
مرضیه مالمیر
3
دانشیار /گروه مهندسی آبیاری و آبادانی، دانشکدة مهندسی آب و خاک، دانشگاه تهران
استادیار /گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه گیلان
دانشجوی سابق کارشناسی ارشد /مهندسی منابع آب، دانشکدة مهندسی آب و خاک، دانشگاه تهران
آگاهی از دبی جریان و پیشبینی آن به ویژه در مواقعی که رودخانه با کمآبی مواجه است امری ضروری در جهت مدیریت بهرهبرداری از رودخانه است. در این مقاله به منظور مدلسازی سریهای زمانی تشکیل شده از کمآبیهای ماهانه و پیشبینی مقدار و زمان وقوع کمآبیها، از یک مدل استوکستیک متداول (مدل میانگین متحرک تجمعی خودبازگشت-ARIMA) و یک مدل مبتنی بر هوش مصنوعی (سیستم استنتاج فازی مبتنی بر شبکة تطبیقی-ANFIS) استفاده شده و نتایج حاصل از دو روش با یکدیگر مقایسه شده است. مقدار عددی کمآبی در هر ماه برابر با حداقل مقدار میانگین متحرکهای یک، سه و هفتروزة دبی جریان در همان ماه در نظر گرفته شده و بدین ترتیب سه سری زمانی یک، سه و هفتروزه از کمآبیهای ماهانه به دست آمده است. بررسی عملکرد دو مدل یاد شده با استفاده از آمار ثبت شده از دبی جریان در خروجی حوضة آبریز معرف ناورود در استان گیلان نشان داد که مدل ARIMA عملکرد بهتری در پیشبینی کمآبیهای یک، سه و هفتروزه دارد. علاوه بر این، نتایج این تحقیق نشان داد که هر دو مدل ARIMA و ANFIS کمآبیهای سهروزه را با خطای کمتری نسبت به کمآبیهای یک و هفتروزه پیشبینی میکنند.
Surface water management practices are directly influenced by the streamflow forecasting, especially for the low-flow context. In this paper, the monthly low-flow time series were modeled and forecasted using a traditional stochastic model (Autoregressive Integrated Moving Average-ARIMA) and an artificial intelligence based model (Adaptive Network based Fuzzy Inference System-ANFIS). Low-flow in each month was defined as the minimum value of one, three, and seven day moving averages of daily streamflow. The performance of the stochastic model was compared to the neuro-fuzzy model through application to the streamflow data from the NavroodRiver basin in the Guilan state, northern Iran. The results showed that the stochastic model resulted in more accurate forecasted values than the neuro-fuzzy model for one, three, and seven day low-flow time series. Furthermore, in all neuro-fuzzy and stochastic models the error in forecasting three-day low-flow is less than those for one- and seven-day low-flow.
https://www.iwrr.ir/article_15755_c78b7bc0ecd4c5b7380961f4c6750fd7.pdf
کمآبی ماهانه
مدلسازی سریهای زمانی
ARIMA
ANFIS
حوضة معرف ناورود
Monthly low-flow
Time series modeling
ARIMA
ANFIS
Navrood River basin
Iran
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
27
39
15756
Original Article
تأثیر عدم قطعیت تغییر اقلیم بر رژیم سیلاب مطالعه موردی حوضه آیدوغموش، آذربایجان شرقی
Uncertainty of Climate Change Impact on the Flood Regime Case Study: Aidoghmoush Basin, East Azerbaijan, Iran
پریسا سادات آشفته
parisa_ashofteh@yahoo.com
1
علیرضا مساح بوانی
armassah@yahoo.com
2
دانشجوی کارشناسی ارشد/گروه آبیاری و زهکشی پردیس ابوریحان، دانشگاه تهران
استادیار پردیس ابوریحان، دانشگاه تهران
تحقیق حاضر تأثیر پدیده تغییر اقلیم بر رژیم سیلاب حوضه آیدوغموش در دوره 2069-2040 میلادی را با در نظر گرفتن عدم قطعیت مربوط به مدلهای AOGCM مورد بررسی قرار میدهد. ابتدا مقادیر دما و بارندگی ماهانه هفت مدل AOGCM (مدلهای گزارش TAR) تحت سناریوی A2 در دوره آتی و دوره پایه 2000-1971 برای حوضه تهیه گردید. سپس این مقادیر با روش کوچک مقیاس کردن مکانی و زمانی کوچک مقیاس شدند. نتایج نشان از افزایش 1 تا 6 درجهای دما و تغییرات 80- تا 100 درصدی بارندگی دوره s2050 نسبت به دوره مشاهداتی دارد. سپس توزیعهای احتمالاتی (pdf) ماهانه دما و بارش منطقه برای دوره s2050 بهوسیله وزندهی مدلهای AOGCM با استفاده از روش Mean Observed Temperature Precipitation تولید گردید. در ادامه با واسنجی مدل IHACRES رابطه بارش- رواناب روزانه حوضه شبیهسازی گردید. سپس با استفاده از روش مونت کارلو تعداد 2000 نمونه از pdfهای ماهانه دما و بارندگی کوچک مقیاس شده حوضه تولید گردید. این مقادیر به مدل IHACRES معرفی شده و 2000 سری رواناب روزانه برای حوضه در دوره s2050 شبیهسازی گردید. سپس سیلاب حداکثر سالانه هر نمونه محاسبه شده و توزیع احتمالاتی مناسب به آن برازش داده شد. مقایسه شدت سیلابهای نمونهها در دوره بازگشتهای مختلف در دوره آتی با وضعیت کنونی آن، نشان داد که برای دوره بازگشتهای کمتر از 50 سال احتمال کاهش شدت سیلاب در دورههای آتی بیش از افزایش آن میباشد. این وضعیت برای دوره بازگشتهای بیش از 50 سال متفاوت بوده و با افزایش دوره بازگشت، کاهش و افزایش سیلاب تقریباً شانس مساوی برای رخ دادن پیدا میکنند. از طرف دیگر احتمال وقوع سیلاب در دورههای آتی نسبت به دوره پایه برای دبیهای کمتر از 20 متر مکعب بر ثانیه کاهش و برای دبیهای بیشتر از 60 متر مکعب بر ثانیه افزایش خواهد یافت.
This research was aimed to investigate the changes of flood magnitude and frequency considering the uncertainty of AOGCM models that may occur due to the climate change predicted for the time period of 2040-2069. At first, monthly temperature and precipitation data of AOGCM models (models of TAR reports) were provided in the baseline period (1971-2000) and the target period (2040-2069) under the SRES emission scenario, namely A2. Then, these data downscaled spatially and temporally to Aidoghmoush Basin by proportional and change factor methods. Results showed temperature increase and precipitation variation in the target period compared to the baseline period. Monthly probability distribution function of temperature and precipitation in the period of 2040-2069 was constructed by weighting method; comparing observed and modeled temperature-precipitation. A semi- conceptual model (IHACRES) for simulation of daily runoff was calibrated for the basin. Using the Monte Carlo approach 2000 samples of temperature and precipitation were sampled from probability distribution functions and introduced to IHACRES. Finally 2000 series of daily runoff were simulated for the target period. Theoretical probability distribution was fitted to maximum annual flood series and the flood regime of the target period was compared to that of the baseline. Results indicated that the climate change will affect the flood regime of the basin.
https://www.iwrr.ir/article_15756_b8bc6674c763bcb642bf1a3d3185bc70.pdf
تغییر اقلیم- عدم قطعیت- مونت کارلو- سیلاب- حوضه آیدوغموش
Climate change
Uncertainty
Monte Carlo
flood
Aidoghmoush basin
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
40
52
15757
Original Article
مقایسه نتایج به دست آمده از کاربرد سیستم استنباط فازی ممدانی و شبکههای عصبی مصنوعی در پیشبینی بارش فصلی، مطالعه موردی: منطقه خراسان
Results Compression of Mamdani Fuzzy Interface System and Artificial Neural Networks int the Seasonal Rainfall Prediction,Case Study: Khorasan Region
غلامعباس فلاح قالهری
ab_fa789@yahoo.com
1
سید محمد موسوی بایگی
mousavi500@yahoo.com
2
مجید حبیبی نوخندان
habiby_2001@yahoo.com
3
دانشجوی دکتری /اقلیم شناسی دانشگاه اصفهان و عضو گروه اقلیم شناسی کاربردی پژوهشکده اقلیم شناسی
عضو هیات علمی /دانشکده کشاورزی دانشگاه فردوسی مشهد
عضو هیات علمی /پژوهشکده اقلیم شناسی و رییس پژوهشکده اقلیم شناسی و مرکز ملی اقلیم
در این مقاله با استفاده از سیستم استنباط فازی و شبکههای عصبی مصنوعی پیشبینی بارش در بازه زمانی دسامبر تا می در منطقه خراسان بزرگ شامل سه استان خراسان رضوی، خراسان شمالی و خراسان جنوبی ارائه شده است. این روش شامل سه گام میباشد. در گام اول، ارتباط بین تغییرات الگوهای سینوپتیکی شامل فشار سطح دریا، اختلاف فشارسطح دریا، دمای سطح دریا، اختلاف دمای سطح دریا و سطح 1000 میلی باری، دمای سطح 850 هکتوپاسکال، ارتفاع معادل سطح 500 هکتوپاسکال و رطوبت نسبی سطح 300 هکتوپاسکال با بارش متوسط منطقهای مورد بررسی قرار گرفته است. در انتخاب این مناطق که مجموعهای از نقاط در خلیج فارس و دریای عمان، دریای سیاه، دریای خزر، دریای مدیترانه، دریای شمال، دریای آدریاتیک، دریای سرخ، خلیج عدن، اقیانوس اطلس، اقیانوس هند و سیبری را شامل میشوند، تأثیرپذیری بارندگی منطقه شمال شرق ایران از الگوهای سینوپتیکی مورد توجه قرار گرفته است. در گام دوم، مدل در دوره 1993-1970 آموزش داده شده است و در گام سوم، پیشبینی بارش در دوره 2002-1993 انجام شده است. نتایج نشان میدهد سیستم استنباط فازی و شبکههای عصبی مصنوعی میتواند بارش را با دقت قابل قبولی پیشبینی کنند. همچنین نتایج نشان میدهد که ریشه میانگین مربعات خطا برای سیستم استنباط فازی و شبکههای عصبی مصنوعی به ترتیب 52 و 41 میلیمتر میباشد. بنابراین شبکههای عصبی مصنوعی در پیشبینی بارش موفقتر از مدل فازی بوده است.
Seasonal rainfall forecasts can effectively be used for resources planning and management - e.g., reservoir operations, agricultural practices, and flood emergency responses. Effective planning and management of water resources in the short term requires a general view of the upcoming season. In the long term, this needs realistic projections of scenarios for future variability and changes. In this paper, 33 years of rainfall data in the Khorasan region, northeastern Iran was analyzed. The study area is situated at 31°-38°N, 74°- 80°E. This synoptical data was trained by the Mamdani fuzzy Inference system and the artificial neural network. For performance evaluation, predicted outputs were compared with the actual rainfall data. First, synoptical relationships were investigated i.e. Sea Level Pressure (SLP), Sea Surface Temperature (SST), Sea Surface Pressure Difference (DSLP), Sea Surface Temperature (DSST) and Air Temperature at 850 hpa, Geopotential Height at 500 hpa, and Relative Humidity at 300 hpa. Models were then calibrated for the period of 1970 to 1992. Finally, the rainfall is predicted. Simulation results revealed that the Mamdani fuzzy Inference system and artificial neural networks are both promising and efficient. The root mean square for Mamdani fuzzy Inference system and the artificial neural network were 52 and 41 millimeters, respectively.
https://www.iwrr.ir/article_15757_5251f99b977785acfb865b78d8f43b8f.pdf
پیشبینی بارندگی
الگوهای سینوپتیکی
سیستم استنباط فازی ممدانی
شبکههای عصبی مصنوعی
Rainfall Prediction
Synoptical Patterns
Mamdani Fuzzy Inference System
Artificial Neural Network
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
53
61
15758
Original Article
پیشبینی بارندگی و رواناب با الگوهای استوکستیک در سیستم آبهای سطحی (مطالعه موردی : حوضه آبریز سد کارده)
Rainfall –Runoff Prediction By Stochastic Models (Case Study: Watershed of Kardeh Dam)
سید رضا هاشمی
srhashemi @birjand.ac.ir
1
سید مهدی امیر جهانشاهی
mjahan @usb.ac.ir.
2
استادیار /گروه مهندسی آب، دانشگاه بیرجند، بیرجند.
مربی /گروه آمار و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان
از آنجایی که دادههای هیدروکلیماتولوژی دارای تغییرات فصلی متاثر از فرایندهای تصادفی میباشند مدلهای استوکستیک مناسبترین روش جهت پیشبینی متغیرهای تصادفی با روند فصلی است. در این مقاله برای پیشبینی بارندگی و رواناب یک یا چند گام جلوتر از مدلهای فضای حالت مرتبه دوم استفاده شده است. بعلاوه متغیرهای ورودی و خروجی به صورت جداگانه مدلسازی شده و مدلهای فصلی خانواده باکس و جنکینز در توصیف هر دو متغیر بکار رفته و برای حوضه آبریز کارده به مساحت 242 گیلومتر مربع واقع در شمال شرقی مشهد به اجرا در آمده است. مقادیر پیشبینی ماهانه بارندگی و رواناب شش ماه باقیمانده سال 2005 و شش ماه اول سال 2006 بر اساس مدلها انجام و ارائه شده است. بدیهی است از این روش در حوضههای مشابه نیز میتوان استفاده نمود.
Stochastic models are among the most suitable methods for predicting Hydro-climatological data with seasonal variability incorporated with random processes. State space model of the second order was utilized to predict rainfall - runoff for one or more lag times. The input-output variables were modeled separately and the seasonal models of Box and Jenkins family was applied for description of both variables in Kardeh basin. This basin is located in the north-east of Mashhad city with an area of 242 square kilometers. The predicted monthly values of rainfall and runoff were calculated for the second half of the year 2005 and the beginning six months of 2006. The procedure is applicable to other similar basins.
https://www.iwrr.ir/article_15758_ef4c337e18e44b3fc1f7b1c6579c8d9e.pdf
مدل فضای حالت
مدلهای فصلی باکس و جنکینز
مدلهای استوکستیک
پیشبینی بارندگی و رواناب
State space models
Box and Jenkins seasonal models
Stochastic models
Rain fall –Run off prediction
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
62
70
15760
Original Article
شبیه سازی جریان آب در محیط متخلخل با سطح آزاد با بهرهگیری از مدل شبکه ترکیبی 1- آنالیز شبکه ترکیبی
Simulation of Flow in Porous Media Using Coupled Pressurized-Free Surface Interconnected Conduit Network
1- Network Analysis
سید حسین افضلی
afzali@shirazu.ac.ir
1
محمد جواد عابدینی
abedini@shirazu.ac.ir
2
پرویز منجمی
monadjemi@shirazu.ac.ir
3
عضو هیئت علمی/ بخش معماری، دانشکده هنر و معماری دانشگاه شیراز
عضو هیئت علمی/ بخش راه وساختمان، دانشکده مهندسی دانشگاه شیراز
عضو هیئت علمی/ بخش راه وساختمان، دانشکده مهندسی دانشگاه شیراز
شبیهسازی جریان در محیط متخلخل، کاربردهای متعدد و متنوعی در طراحی سدهای پاره سنگی، فیلترهای شنی، بهرهبرداری موثر از منابع آب زیرزمینی و مخازن نفت دارد. ظرف صد سال گذشته، تلاشهای متعددی به منظور شبیه سازی جریان در محیط متخلخل با بهرهگیری از قوانین دارسی و غیر دارسی صورت پذیرفته است. به لحاظ ماهیت جریان که بخشی از دامنه فیزیکی تحت فشار و نواحی مجاور سطح آزاد در معرض فشار جو میباشد، در این تحقیق مدل ترکیبی تحت فشار-سطح آزاد متشکل از شبکهای از مجاری به هم پیوسته به منظور شبیهسازی جریان توصیه گردیده است. در مدل مزبور به دلیل اینکه لولهها در اطراف شبکه باز و در ارتباط با اتمسفر میباشند، امکان ایجاد فشار منفی در کل شبکه وجود ندارد و به محض اینکه در نقطهای از جریان، فشار منفی گردد، هوا وارد سیستم میشود. با توجه به این ویژگی، آنالیز چنین شبکهای با استفاده از روشهای معمول مقدور نبوده و لذا هدف این مقاله، تدوین و ارائه روشی جهت آنالیز این نوع شبکههای ترکیبی میباشد. در ادامه به منظور ارزیابی و بررسی صحت و سقم فرضهای بکار رفته در روش پیشنهادی و مدل کامپیوتری مربوطه، مبادرت به ساخت مدل آزمایشگاهی شبکه نظیر در آزمایشگاه هیدرولیک دانشکده مهندسی دانشگاه شیراز گردیده است. مقادیر گذر حجمی و پروفیل سطح آب در شرایط ماندگار برای مقادبر مختلف عمق بالادست پایش گردیده و از بانک اطلاعاتی بدست آمده برای واسنجی و ارزیابی اعتبار مدل تبیینی استفاده موثر بعمل آمده است. نتایج حاصل از شبیهسازی دلالت بر انطباق نسبتاً مناسب مقادیر مشاهدهای و محاسبه شده و نهایتاً صحت روش پیشنهادی دارد.
Simulation of fluid flow in porous media has a wide range of applications including design of rockfill embankments, design of sand filters, or efficient management of ground water and oil reservoirs. Various efforts have been made during the past century to conduct such simulation modeling using both Darcy and non-Darcy laws. The nature of flow in porous media consists of a part which is under pressure and another part near the phreatic line which is exposed to atmosphere. Accordingly, a coupled pressurized-free surface flow model should be conceptualized using the network of pore body and pore throat. An effective modeling tool like an open source public domain software can then be used. In this study EPANET was modified to accommodate the nature of flow involved. For the verification purposes, a physical model was built in the Hydraulic Lab at the School of Engineering in Shiraz University. Steady state water surface profile and outflow discharge were monitored for different upstream water levels. This data were then used to calibrate and validate the developed computer model. Results showed that a satisfactory agreement between computer model and experimental records can be obtained for a wide range of upstream flow conditions. In a majority of cases, computer model captures more than 99% of variability in observed outflow discharge or water surface profile.
https://www.iwrr.ir/article_15760_3c3b25385a6d2f678c8cc0bb73f54b55.pdf
جریان غیردارسی
جریان درون سنگریزه
مدل شبکهای
محیط متخلخل
Non-Darcy flow
Flow through rockfill
Network model
EPANET
Porous media
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
71
76
15761
Original Article
تحلیل اثرات خشکسالیهای اخیر و کمبود آب دریاچة هامون بر کارکردهای اقتصادی سیستان
Analysis of the Recent Droughts and Lack of Water in Hamoon Lake on Sistan Economic Functions
عیسی ابراهیم زاده
ibrahimzadeh @ yahoo.com
1
دانشیار /جغرافیا دانشگاه سیستان و بلوچستان
اصولاً در مناطق خشک به خصوص در نواحیای که میزان ریزشهای جوی آن ناچیز و معمولاً زیر 100 میلیمتر میباشد، وجود منابع آب زیر زمینی و یا آبهای سطحی که خارج از این نواحی به آن وارد میشود، نقشی اساسی بر کارکردهای اقتصادی- اجتماعی این سرزمینها داشته و دارد. دریاچة هامون در سیستان و کارکردهای حاصل از وجود آن در این ناحیه با توجه به عدم وجود منابع آب زیر زمینی ، تقریباً به نوعی کل منطقه را متأثر نموده و در مواقع پرآبی و کمآبی اثرات زیادی بر بافت و ساخت اقتصادی- اجتماعی و اکولوژیک سیستان بر جای گذاشته و میگذارد. به طوریکه طی 10 سال اخیر بر اثر خشکسالی در منطقه و خشکیدن دریاچه هامون و از بین رفتن نیزارهای آن، این دریاچه که روزگاری بیش از 42 تختک (جزیرههای کوچک در دریاچه) را مستقیماً در دل خود جای داده و بیش از 90 هزار رأس گاو را بطور کامل تعلیف می نموده و 80 روستای حاشیۀ دریاچه نیز با بیش از 24 هزار رأس گاو، حدود 50 درصد از علوفۀ دامیشان را به این دریاچه وابسته بودهاند، همچنین بیش از 1350 خانوار صیاد ، شکارچی و حصیر باف با شکار بیش از 470 هزار قطعه پرنده، 15 هزار تن ماهی و بافت بیش از 30 میلیون متر مربع حصیر حاصل از نی این دریاچه مستقیماً به آن وابسته بودهاند؛ اینک پس از خشکیدن دریاچۀ هامون عملاً کلیه کارکردهای فوقالذکر از چرخۀ اقتصادی منطقه خارج گردیده، در عین حال ما به ازاء ریالی کارکردهای فوق نیز میبایست جهت جایگزینی آن به خارج از منطقه پرداخت گردد . حال با توجه به تهنشین شدن میلیاردها متر مکعب رسوب در بستر آن، لازم است که نسبت به لایروبی حداقل بخشهایی از بستر دریاچه اقدام گردد تا بدینوسیله هم امکان احیاء مجدد کارکردهای اقتصادی دریاچه فراهم شده و هم امکان آبگیری مناسب دریاچه بخصوص در سالهای پر آبی از یک سو و تعدیل خطر سیل و سیل خیزی در سیستان، از سوی دیگر مهیا گردد.
In areas with the relative annual precipitation of less than 100 ml, shallow waters, the underground sources of water, and other flow from the surroundings play a fundamental role on socio-economic condition of the regions. In the absence of the underground resources in Sistan province, southwestern Iran, amplified the role of Hamoon Lake. In fact, the wet and dry periods have largely influenced the socio-economical and the ecological aspects of this region. Hamoon lake consists of over 42 small islands which serves as the main food source of over 90000 cows. Besides, more than 80 villages are to a great extent dependent on this lake. Hunting and fishing is the main job in this area. Over 470000 various types of birds and more than 15000 tons of fish are hunted annually. Weaving of 30000000 square meters of mat is also a dominant job in the area. During the last 10 years the prevailing drought caused the Hamoon lake to dry up and the whole rush to be swept away. The whole socio-economic condition is significantly affected by this event. At present, not only are the inhabitants been deprived of benefiting from their natural resources, but they should also find alternative sources of income. The economical revival of the region strongly depends on the rehabilitation of Hamoon Lake. A task which to the policy makers looks almost impossible.
https://www.iwrr.ir/article_15761_504d9a8c35ae7562436df55bc4456d36.pdf
مناطق خشک
دریاچه هامون
خشکسالی
کارکردهای اقتصادی
سیستان
Dry regions
Hamoon Lake
Drought
Economical functions
Sistan
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
1
9
15762
Original Article
مدل هوشمند مبتنی بر ژئومورفولوژی و مقایسه با مدل GIUH برای برآورد رواناب مستقیم
A Comparative Study of Geomorphologic Artificial Intelligent Model And GIUH For Direct Runoff Computations
محمد رضا نجفی
mrnajafi@ut.ac.ir
1
م. رضا بهبهانی بهبهانی
2
ج عبدالهی
3
موسی حسینی
4
استادیار/ گروه مهندسی آبیاری وزهکشی، پردیس ابوریحان دانشگاه تهران، پاکدشت
دانشیار/گروه مهندسی آبیاری وزهکشی، پردیس ابوریحان دانشگاه تهران، پاکدشت
مربی/ گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی آب وخاک، پردیس کشاورزی ومنابع طبیعی ، دانشگاه تهران، کرج
دانشجوی دکتری /مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی آب وخاک، پردیس کشاورزی ومنابع طبیعی ، دانشگاه تهران، کرج
درمدل هیدروگراف واحد لحظه ای ژئومورفولوژی از شبکه زهکشی حوضه آبریز و قوانین هورتون استفاده میگردد. این مدل یک رهیافت ساده مدلسازی رواناب-بارندگی برای حوضههای فاقد آمار میباشد. کارشناسان هیدرولوژی همواره سعی کرده اند رابطهای بین پاسخ هیدرولوژیکی حوضه و مشخصات توپوگرافی حوضه ها بر قرار نمایند. در این تحقیق از سه مدل بارندگی- رواناب شامل مدل جعبه سیاه مبتنی بر مشخصات ژئومورفولوژی (GANN) و مدل مفهومی دو پارامتری ناش و مدل هیدروگراف واحد لحظهای ژئومورفولوژیکی (GIUH) که برای حوضههای فاقد آمار پشنهاد گردیده است برای یک حوضه متوسط استفاده شد. از این مدلها برای مطالعه ده واقعه بارش-رواناب در حوضه معرف کسیلیان واقع در ناحیه شمالی ایران استفاده شد. نتایج حاصل از مدل ژئومورفولوژی با دادههای مشاهدهای و دو مدل دیگر مقایسه گردیده است. نتایج این تحقیق نشان می دهد که مدل شبکه عصبی مصنوعی بر پایه ژئومورفولوژی (GANN) از مدل کاملاً تجربی شبکه عصبی مصنوعی میباشند، برتر است. علاوه بر این میتوان چنین نتیجهگیری کرد که لحاظ مشخصات ژئومورفولوژی در مدل ANN بر توانایی این مدل برای شبیهسازی رابطه بارندگی- رواناب میافزاید.
The Geomorphologic Instantaneous Unit Hydrograph utilizes Horton's law and the drainage characteristics of the watershed. This is a simple approach to direct runoff computations in ungaged watersheds. Hydrologists have increasingly attempted to relate the watershed’s hydrological responses to watershed topographical characteristics. In this study three different categories of rainfall-runoff models proposed for ungaged watersheds, including a black-box model equipped with Geomorphologic characteristics called: the Geomorphologic 1-Artificial Neural Network (GANN) model, 2-a conceptual two parameter model (Nash model), and 3-Geomorphology Instantaneous Unit Hydrograph (GIUH) were evaluated in a middle size watershed. The applicability of these models were studied for ten rainfall-runoff events of the Kassilian representative watershed located in the north of Iran. The results indicated that GANN model in runoff estimation is more powerful than the other two models. It can also be concluded that adopting the geomorphologic characteristics of watershed in the ANN model can promote this model from a pure black-box model to a model with more capabilities in simulation of a rainfall-runoff relationship.
https://www.iwrr.ir/article_15762_2acaa844c01dfc0c4ad4ed982f392406.pdf
GIUH
شبکه عصبی مصنوعی
حوضه معرف کسیلیان
مدلسازی
بارندگی- رواناب
Rainfall-Runoff
geomorphology
Artificial Neural Network
Kassilian
per
انجمن علوم و مهندسی منابع آب
تحقیقات منابع آب ایران
1735-2347
2476-7360
2009-10-23
5
2
10
14
15764
Original Article
تحلیل سیستمی بازده پروژه آبیاری تک کشتی برنج
System Analysis for Rice Irrigation Project Efficiency
علیرضا سپاسخواه
sepas@shirazu.ac.ir
1
روزبه پروین
2
استاد /بخش آبیاری، دانشگاه شیراز، شیراز، جمهوری اسلامی ایران
کارشناس /مهندسی مشاور مهاب قدس
مقدار دقیق بازده پروژههای آبیاری در دست نیست. بنابراین برنامهریزی و طراحی شبکههای آبیاری بر اساس مقادیر غیر دقیق انجام میشود که منجر به نتایج مأیوس کننده میگردد. هدف این پژوهش تحلیل دادههای ارزیابی پروژه شبکه آبیاری پاشاکلا در مازندران میباشد که دارای سطح ایستابی کم عمق است. در این پژوهش از روشهای سیستمی و غیرسیستمی استفاده شده است. در روش سیستمی نفوذ عمقی و رواناب سطحی بعنوان اتلاف آب منظور نشده است. اما در روش غیر سیستمی این موارد جزء تلفات آب به حساب آمده است. بازده پروژه آبیاری به روش سیستمی و غیر سیستمی که در آن تلفات نفود عمقی و رواناب جزء تلفات محسوب شده است بترتیب 87/0و 51/0 می باشد. اما بازده پروژه آبیاری به روش غیر سیستمی که در آن نفوذ عمقی و رواناب جزء تلفات محسوب نشده اند 85/0 محاسبه شد که با مقدار آن به روش سیستمی مطابقت دارد. بطور کلی بازده پروژه آبیاری برای شرایط تک کشتی برنج با سطح ایستابی کم عمق بالاتر از پروژههای چند کشتی با سطح ایستابی عمیق است. هم چنین در پروژههای آبیاری تک کشتی با سطح ایستابی کم عمق، نفوذ عمقی جزء تلفات آب محسوب نمیشود زیرا سریعاً به آب زیرزمینی پیوسته و بوسیله پمپاژ دوباره مصرف میشود. در این شرایط بازده یکسانی برای پروژه آبیاری به روش سیستمی و روش غیر سیستمی بدست آمد. بطور کلی پیشنهاد میشود که در ارزیابی پروژههای آبیاری از روش سیستمی که معتبرترند استفاده شود. هم چنین بنظر میرسد که در روش غیر سیستمی نفوذ عمقی را نمیتوان جزء اتلاف آب به حساب آورد.
The value of irrigation efficiency cannot be precisely known. Therefore, water resources planning and irrigation network design are normally based on uncertain values of irrigation efficiency which ends up with disappointing results in practice. This research used “system” and “non system” approaches to analyze the data obtained from Pasha-Kola irrigation network in Mazandaran Province in northern Iran. This network is cultivated with rice and has a shallow water table condition. Furthermore, reported data for multiple cropping projects were obtained for Dez project in the Khuzestan province and Doroodzan project in the Fars province from other investigators and used to determine the "system" efficiency. In the "system" approach the deep percolation and surface runoff were not considered as water loss. However, these were considered as water losses in the "non system" approach. The project efficiency for “system” and “non system” approaches considering the deep percolation as water loss were obtained as 0.87 and 0.51, respectively. However, the project efficiency for the “non system” approach in which deep percolation was ignored was 0.85 which is similar to that obtained by the “system” approach. It may be concluded that, for irrigation projects with single crop (rice) and shallow water table, the project efficiency (either “system” or “non system”) is generally higher than that of no shallow water multiple cropping networks. Furthermore, for rice irrigation projects, deep percolation of water may not be considered as loss due to its potential of being reused as groundwater supply and the “system” irrigation project efficiency is similar to the “non system” project efficiency. In general, it is more reliable that the “system” approach be used for evaluation of irrigation projects. Furthermore, in a “non system” approach the deep percolation may not be considered as water loss.
https://www.iwrr.ir/article_15764_8202c3e890c5570f5470207f336db714.pdf
بازده آبیاری
بازده انتقال
بازده آبیاری برنج
Application efficiency
Conveyance efficiency
Rice irrigation efficiency