ORIGINAL_ARTICLE
ارزیابیاطمینانپذیری تصفیهخانه فاضلاب شهری با استفاده از آنالیز درخت خطا
با توجه به رشد سریع جمعیت و نیاز فزاینده برای آب پاک و قابل اطمینان، تصفیهخانههای فاضلاب نقش مهمی در تامین یک منبع قابل اطمینان آب ایفا مینمایند. در این ارتباط اطمینانپذیری یک تصفیهخانه فاضلاب، زمانی که پساب خروجی، مجدداً استفاده شده و یا به منابع آبی تخلیه میشود، مسئلهای حیاتی است. عوامل اصلی مؤثر بر عملکرد تصفیهخانههای فاضلاب، تغییرات در ورودی، تغییرات ذاتی در فرآیندهای تصفیه و مشکلات طراحی و شکستهای تجهیزاتی و عملیاتی است. بنابراین دستیابی به استانداردهای تخلیه و استفاده مجدد، نیازمند ارزیابی اطمینانپذیری تصفیهخانه است. از میان روشهای مختلف ارزیابی اطمینانپذیری سیستمها، روش آنالیز درخت خطا یکی از روشهای معمول و کارآمد است. آنالیز درخت خطا یک روش استنتاجی تحلیل شکست از بالا به پایین است که در آن یک حالت نامطلوب از سیستم که شامل شکست یا عدم تحقق اهداف سیستم میباشد، تجزیه و تحلیل میشود. مطالعه موردی در این مقاله تصفیهخانه فاضلاب شهرک غرب تهران بوده که فرآیند آن لجن فعال متعارف بوده و پساب خروجی آن برای آبیاری فضای سبز پایین دست مورد استفاده قرار میگیرد. اجزای درخت خطا در این تحقیق شامل تخطی BOD تصفیهخانه از استاندارد آبیاری به عنوان رویداد نهایی و مواردی نظیر خطای اپراتور، خرابی تجهیزات و مشکل طراحی به عنوان رویدادهای پایه میباشد. مقدار احتمالات رویدادهای پایه با توجه به دادههای موجود و نظرات کارشناسان و بهرهبرداران تصفیهخانه تعیین شده و احتمال رویداد نهایی محاسبه شده است. بر اساس نتایج بهدست آمده احتمال بروز تخطی پساب خروجی 29 درصد برآورد شده که عوامل انسانی به خصوص خطای اپراتور بالاترین سهم را در وقوع آن دارا میباشد. پس از آن عوامل مکانیکی، اقلیمی (کمیت و کیفیت فاضلاب ورودی) و عوامل مرتبط با شبکه در ردههای بعد قرار میگیرند. در این رابطه جهت افزایش اطمینانپذیری و مدیریت ریسک اقداماتی با اولویت توجه به کاهش خطاهای مربوط به عوامل انسانی، افزایش سطح نظارت و بازرسی سیستم توصیه گردیده است.
https://www.iwrr.ir/article_13426_c73c98e43d37d029606f67f5f1ab8c39.pdf
2014-09-23
1
11
اطمینانپذیری
تصفیهخانه فاضلاب
درخت خطا (FTA)
مجموعه برش حداقل
مسعود
طاهریون
taheriyoun@cc.iut.ac.ir
1
استادیار /دانشکده مهندسی عمران. دانشگاه صنعتی اصفهان
LEAD_AUTHOR
مرضیه
بهرامی
2
دانشآموخته ارشد مهندسی /عمران مهندسی محیط زیست .دانشگاه خوارزمی تهران
AUTHOR
صابر
مرادینژاد
3
دانشگاه آزاد اسلامی/ واحد تهران جنوب، باشگاه پژوهشگران جوان و نخبگان
AUTHOR
امانت یزدی ل (1391) ارزیابی ریسک زیستمحیطی آلودگی هوا در انبار شرکت پخش فرآوردههای نفتی یزد و پهنهبندی آلودگی هوا با استفاده از GIS. دومین کنفرانس برنامه و مدیریت محیط زیست، دانشگاه تهران، دانشکده محیط زیست.
1
امیدوار ب، نظریها م، محمودیان م (1390) تخمین ریسک عدم تأمین آب توسط سیستم آبرسانی در اثر وقوع زلزله با استفاده از روش تحلیل درخت خطا، مطالعه موردی: سیستم ابرسانی مربوط به تصفیهخانه شماره 5 کلانشهر تهران. کنفرانس بینالمللی آب و فاضلاب، تهران.
2
امینی ع (1384) آنالیز ریسک پذیری مخازن نگهداری آمونیاک و محاسبه ریسک مناطق مسکونی. اولین همایش ملی مهندسی ایمنی و مدیریت HSE.
3
شرکت تأمین و تصفیه آب و فاضلاب استان تهران، تصفیه خانه شهرک غرب تهران، آدرس: http://tww.tpww.co.ir/fa/home
4
قراچورلو ن (1384) ارزیابی و مدیریت ریسک. انتشارات علوم و فنون: 122-123.
5
ولدخانی ا (1383) ارزیابی خطر انفجاردر بویلرهای کارخانجات گلوکوزان به روش FTA. پایان نامه کارشناسی ارشد، دانشکده علوم پزشکی، دانشگاه تربیت مدرس.
6
ولوی م (1382) ارزیابی قابلیت اطمینان با استفاده از درختهای خطا مبتنی بر شبیهسازی مونتکارلو. پایاننامه کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف.
7
Abdelgawad M A (2011) Hybrid decision support system for risk criticality assessment and risk analysis. Doctor of Philosophy Thesis, Department of Civil and Environmental Engineering. University of Alberta.
8
Al Saleem A (2007) Performance analysis of sanitary wastewater treatment plants: reliability-based analysis. MSc Thesis, King Saoud University College of Engineering, Civil Engineering, Department.
9
Andreas L, Rosén L, Norberg T (2009) Fault tree analysis for integrated and probabilistic risk analysis of drinking water systems. Water Research 43(6): 1641–1653.
10
Beauchamp N, Lence B, Bouchard C (2010) Technical hazard identification in water treatment using fault tree analysis. Canadian Journal of Civil Engineering.37(6): 897-906.
11
Bedford T and Cooke R.M (2001) Probabilistic risk analysis: foundations and methods. Cambridge University Press, Cambridge: 302-327.
12
Bourouni K (2013) Availability assessment of a reverse osmosis plant: comparison between reliability block diagram and fault tree analysis methods. Desalination 313(15): 66–76.
13
Kelley D and Allison R (1981) Fault tree analysis and treatment plant instrumentation. Journal of Water Pollution Control Federation 53(1): 43-47.
14
LiJun B (2008) A study on wastewater treatment systems reliability analysis. MSc Thesis. Hebei University of Technology.
15
Mercer S and Hrudey S (1990) Demonstration of quantitative risk assessment for a municipal water treatment plant chlorination process. Biennial Environmental Specialty Conference. Canadian Society for Civil Engineering. Hamilton, Ont.
16
Metcalf & Eddy Inc (2003) Wastewater engineering treatment and reuse. McGraw-Hill Companies Inc. 4th Edition: 1634-1649.
17
Oliveira S, Von Sperling M (2008) Reliability analysis of wastewater treatment plants. Water Research 42: 1182 – 1194.
18
Qasim Syed R (1999) Wastewater treatment plants, planning, design, and operation, CRC press. 2nd Edition. United States of America: 379- 410.
19
Wu J, Yan S, Xie L (2011) Reliability analysis method of a solar array by using fault tree analysis and fuzzy reasoning. Petri net. Acta Astronautica 69: 960–968.
20
ORIGINAL_ARTICLE
تحلیل رفتار خطی و غیرخطی سریهای زمانی هیدرولوژیک (مطالعه موردی رودخانههای غرب دریاچه ارومیه)
تعیین الگوی مناسب یکی از مسائل مهم در مدلسازی و پیشبینی سریهای زمانی، با توجه به مکانیسم سیستم مورد نظر است. اغلب، بدون بررسی خطی یا غیرخطی بودن سیستم از مدلهای رایج خطی سری زمانی استفاده میشود. در این تحقیق فرآیند جریان رودخانههای نازلوچای، شهرچای و باراندوزچای واقع در استان آذربایجانغربی و غرب دریاچه ارومیه با آزمون غیرخطی BDS در سه مقیاس زمانی (سالانه، ماهانه و روزانه) بررسی شده است. ایستا بودن سریهای زمانی شرط اساسی در این روش بوده که بدین منظور از آزمونهای ADF و KPSS استفاده شده است. طبق نتایج حاصله هرچه مقیاس زمانی کوچکتر میشود، درجه غیرخطی بودن افزایش مییابد. به طوری که برای سریهای سالانه (به دلیل خطی بودن نتیجه آزمون) میتوان از مدلهای خطی نظیر خانواده ARMA در سطح معنیداری قابل قبول استفاده کرد. در حالیکه برای افزایش دقت پیشبینی سریهای ماهانه و روزانه جریان رودخانههای مورد مطالعه بایستی از مدلهای غیرخطی مانند Bilinear، TAR و ARCH استفاده کرد. مدلهای مناسب خطی و غیرخطی برای سریهای زمانی هر رودخانه در مقاطع زمانی مختلف بر اساس نتایج آزمون BDS تعیین و الگوهای پیشنهادی ارائه شده است.
https://www.iwrr.ir/article_13427_82c483e293209fdcbba17f7dd7fe9214.pdf
2014-09-23
12
20
آزمون ADF
آزمون BDS
آزمون KPSS
ایستا
سری زمانی
غیرخطی
کیوان
خلیلی
khalili2006@gmail.com
1
استادیار /گروه مهندسی آب دانشگاه ارومیه
AUTHOR
فرشاد
احمدی
farshad.paper@yahoo.com
2
دانشجوی کارشناسی ارشد/ مهندسی منابع آب. دانشگاه تبریز
AUTHOR
یعقوب
دین پژوه
dinpashoh@yahoo.com
3
دانشیار / گروه مهندسی آب دانشگاه تبریز
AUTHOR
جواد
بهمنش
j.behmanesh@urmia.ac.ir
4
دانشیار /گروه مهندسی آب دانشگاه ارومیه
LEAD_AUTHOR
خلیلی ک، فاخریفرد ا، دینپژوه ی، قربانی م ق (1389) تحلیل روند و ایستایی جریان رودخانه به منظور مدلسازی سریهای زمانی هیدرولوژیکی. مجله دانش آب و خاک دانشگاه تبریز، جلد 20، شماره 1: 72-61.
1
خلیلی ک، فاخریفرد ا، دینپژوه ی، قربانی م ق (1390) بررسی غیرخطی بودن فرآیند جریان رودخانه با استفاده از آزمون BDS. مجله دانش آب و خاک دانشگاه تبریز، جلد21، شماره 2: 37-25.
2
Bollerslev, T (1986) Generalized autoregressive conditional heteroskedastictity. Journal of Econometrics 31: 307-327.
3
Brock, WA, Hsieh, DA and LeBaron, B (1991) Nonlinear Dynamics, Chaos and Instability: Statistical Theory and Economic Evidence. The MIT Press, Cambridge, MA.
4
Brock, WA, Dechert, WD, Scheinkman, JA and LeBaron, B (1996) A test for independence based on the correlation dimension. Econ. Rev 15 (3): 197-235.
5
Chen, HL and Rao, AR (2003) Linearity analysis on stationarity segments of hydrologic time series. J. Hydro. 277: 89-99.
6
Elshorbagy, A, Simonovic, SP and Panu, US (2002) Estimation of missing stream flow data using principles of chaos theory. J. Hydro. 255: 125-133.
7
Engle, RF (1982) Autoregressive conditional heteoscedasticity with estimates of the variance of United Kingdom inflations. Econometrica 50: 987-1007.
8
Engle, RF and Ng, VK (1993) Measuring and testing the impact of news on volatility. Journal of Finance 48 (5): 1749-1778.
9
Franses, PH and Van Dijk, D (2002) Non-linear time series models in empirical finance, Cambridge University Press, 297p.
10
Granger, CWJ and Andersen, AP (1978) An introduction to bilinear time series models, Vandenhoek and Ruprecht: Gottingen, 94p.
11
Grassberger, P and Procaccia, I (1983) Measuring the strangeness of strange attractors. Phys. D 9: 189-208.
12
Hinich, MJ (1982) Testing for gaussianity and linearity of a stationary time series. J. Time ser. Anal. 3 (3): 169-176.
13
Jayawardena, AW and Lai, F (1994) Analysis and prediction of chaos in rainfall and stream flow time series. J. Hydrol. 153: 23-52.
14
Kim, HS, Kang, DS and Kim, JH (2003) The BDS statistic and residual test. Stochast. Environ. Res. Risk Assess. 17: 104-115.
15
Kwiatkowski, D, Phillips, PCB, Schmidt, P and Shin, Y (1992) Testing the null of stationarity against the alternative of a unit root: How sure are we the economic time series have a unit root? J. Economics 54: 159-178.
16
McLeod, AI and Li, WK (1983) Diagnostic cheking ARMA time series models using residual autocorrelations. J. Time Series Anal. 4: 269-273.
17
Nelson, DB (1991) Conditional heteroskedasticity in asset returns: A new approach. Econometrica, 59: 347-370.
18
Patterson, DM and Ashley, RA (2000) A nonlinear time series workshop: A toolkit for detecting and identifying nonlinear serial dependence. Kluwer Academic, Boston.
19
Porporato, A and Ridolfi, L (1997) Nonlinear analysis of river flow time sequences. Water Resour. Res. 33 (6): 1353-1367.
20
Priestley, MB (1988) Non-linear and non-stationary time series analysis, Academic Press: London, 227p.
21
Rao, AR and Yu, GH (1990) Gaussianity and linearity tests of hydrologic time series. Stochast. Hydaul. 4: 121-134.
22
Rogres, WF and Zia, HA (1982) Linear and nonlinear runoff from large drain basins. J. Hydrol. 55: 267-278.
23
Salas, JD, Delleur, JW, Yevjevich, V and Lane, WL (1980) Applied modeling of hydrologic time series, Water Resources Publications, Littleton, Colorado, 484p.
24
Schwert GW (1989) Test for unit roots: a Monte Carlo investigation. Journal of Business and Economics Statistics 7: 147-159.
25
Sivakumar, B, Liong, SY, Liaw, CY and Phoon, KK (1999) Singapore rainfall behavior: chaotic? J. Hydrol. Eng. 4 (1): 38-48.
26
Tong, H (1978) On a threshold model. In Pattern Recognition and Signal Processing. ed. C.H. Chen, Sijhoff and Noordhoff, Netherlands, Amsterdam. 575-586.
27
Tong, H (1983) Threshold models in nonlinear time series analysis, Lecture Notes in Statistics, Springer-Verlag: New York, 336p.
28
Tong, H (1990) Non-linear time series: A dynamical system approach, Oxford University Press, 564p.
29
Tsay, RS (1989) Testing and modeling threshold autoregressive processes. Journal of the American Statistical Association. 84: 231–240.
30
Tsonis, AA (2001) Probing the linearity and nonlinearity in the transitions of the atmospheric circulation. Nonlinear Processes Geophysics. 8: 341-345.
31
Wang, Wen, Vrijling, JK, Pieter, HA, JM Van Gelder, and Jun, Ma (2005) Testing for nonlinearity streamflow processes at different timescales. Journal of Hydrology 322(1): 247-268.
32
Wilcox, BP Seyfried, MS and Matison, TH (1991) Searching for chaotic dynamics in snowmelt runoff. Water Resour. Res. 27 (6): 1005-1010.
33
ORIGINAL_ARTICLE
بهره برداری بهینه از مخزن با استفاده از روش پیوسته محدودیت حالت
مخازن یکی از مهمترین سیستمهای آبی هستند که امروزه نقش مهمی را در پیشرفت و توسعه اجتماعی و اقتصادی جوامع ایفا میکنند. روشهای مختلفی برای بهرهبرداری آب از مخازن وجود دارند که عموماً در قالب برنامههای پویا1 (DP) ارائه شده است. اما به طور کلی میتوان مدلهای موجود را به دو گروه مدلهای پیوسته و گسسته تقسیمبندی کرد. اخیراً مدلهای پیوسته متعددی به دلیل مشکلات ابعادی مدلهای پویا (DP) مورد استفاده قرار گرفتهاند که از آن جمله میتوان مدل پویای تصادفی پیوسته محدودیت- حالت2 (CS) را نام برد. این تحقیق قصد دارد تا مقایسهای را میان کارایی مدلهای پیوسته و گسسته داشته باشد. برای این منظور مدل پویای تصادفی پیوسته محدودیت-حالت (CS) و مدلهای گسسته برنامهریزی پویا (DP) و برنامهریزی پویای تصادفی3 (SDP) انتخاب شدند. نمودارهای تغییرات حجم مخزن و مقدار رهایی آب از مخزن و نیاز آبی و همچنین شاخصهای اعتماد پذیری برای مدلهای مذکور محاسبه و نتایج بدست آمده از سه مدل با یکدیگر مقایسه شدند. نتایج حاصل از مقایسه شاخصهای اعتمادپذیری مدلها نشان میدهد که در مجموع مدل محدودیت- حالت کارایی بهتری نسبت به مدلهای دیگر دارد.
https://www.iwrr.ir/article_13429_8eb107cf42449b8f551db9d5961c9ffe.pdf
2014-09-23
21
31
مخازن
بهینهسازی
اعتمادپذیری
مدل محدودیت-حالت
لیلا
جوکار شوریجه
leyla.jokar@gmail.com
1
دانشجوی کارشناسی ارشد/ بخش مدیریت مناطق بیابانی دانشگاه شیراز
LEAD_AUTHOR
آرمان
گنجی
2
عضو هیئت علمی/ بخش مدیریت مناطق بیابانی دانشگاه شیراز
AUTHOR
مهران
همایون فر
3
دانشجوی دکتری/ دانشگاه مالزی
AUTHOR
برهانی داریان ع، احمدی علیآباد م (1383) تدوین مدل بهینه بهرهبرداری از سیستمهای چند مخزنی با استفاده از روش کریدور در DP. نشریه بین المللی مهندسی صنایع و مدیریت تولید، سال 15، شماره4: 203-227.
1
جوکار شوریجه ل، گنجی آ (1390) ارزیابی و تعیین ریسک در تأمین آب از مخزن سد زایندهرود. مجموعه مقالات چهارمین کنفرانس مدیریت منابع آب ایران، تهران، ایران، 13-14 اردیبهشت.
2
عظیمی سجادی گ (1382) ارزیابی کاربرد مدلهای قطعی و استوکاستیک پویا در بهرهبرداری از مخازن. دانشگاه صنعتی خواجه نصیرالدین طوسی.
3
کارآموز م، کراچیان ر (1387) برنامهریزی و مدیریت کیفی سیستمهای منابع آب. انتشارات دانشگاه صنعتی امیرکبیر، تهران، 400 صفحه.
4
گنجی آ، خلیلی د، همایونفر م (1385) تأثیر عدم اطمینان بر معیارهای مخاطره در مدیریت مخزن. تحقیقات منابع آب ایران، سال2، شماره 3: 13-26.
5
Cai X (1999) Modeling Framework for Sustainable Water Resources Management. University of Texas at Austin, United States.
6
Choudhari SA, Raj PA (2010) Multiobjective Multireservoir Operation in Fuzzy Environment. Journal of Water Resources Management 24(10):2057-2073.
7
Cristiano C, Victoria CPC, Aihong W (2006) Optimization of a large-scale water reservoir network by stochastic dynamic programming with efficient state space discretization. Journal of European Journal of Operational Research 171:1139–1151.
8
Fletcher SG, Ponnambalam K (1995) Estimation of reservoir yield and storage distribution using moments analysis. Journal of Hydrology 182:259-275.
9
Fletcher S G, Ponnambalam K (1998) A constrained state formulation for the stochastic control of multireservoir systems. Journal of Water Resources Research 34(2):257–270.
10
Fletcher S, Ponnambalam K (2008) Stochastic control of reservoir systems using indicator functions: New enhancements. Journal of Water Resources Research 44(12):1-10.
11
Ganji A (2000) Streamflow modelling and analysis of Mollasadra and Salman Farsi reservoirs using time series models of SPIGOT. M.S. Thesis, Shiraz, Iran, 388p.
12
Ganji A, Jowkarshorijeh L (2012) Advance first order second moment (AFOSM) method for single reservoir operation reliability analysis: a case study. Journal of Stochastic Environmental Research & Risk Assessment 26(1):33-42.
13
Homayounfar M, Ganji A, Martinez CJ (2011) A novel solution for stochastic dynamic game of water allocation from a reservoir using collocation method. Journal of Water Resources Management 25(13):3427-3444.
14
Huang WC, Yuan LC, Lee CM (2002) Linking genetic algorithms with stochastic dynamic programming to long term operation of a multi-reservoir. Journal of Water Resources Research 38(12):401-409.
15
Johnson SA, Stedingar JR, Shoemakher CA, Li Y, Tegada-Guibert JA (1993) Numerical solution of continuous-state dynamic programs using linear and spline interpolation. Journal of Gournal of Operational Research 41(3):484-500.
16
Karamouz M, Szidarovszky F, Zahraie B (2003) Water Resources System and Analysis. Lewis publishers, Boca Raton, Florida.
17
Karamouz M, Vasiliadis HV (1992) Bayesian stochastic optimization of reservoir operation using uncertain forecast. Journal of Water Resources Research 28(5):1337-1344.
18
Kelman J, stedinger JR, Cooper LA, Hsu E, Yang SQ (1990) Sampling stochastic dynamic programming applied to reservoir opration. Journal of Water Resources Research 26(3):447-454.
19
Kendall DG (1957) Some problems in the theory of dams. Journal of the Royal Statistical Society 19(2):207-212.
20
Loucks DP, Stedinger JR, Haith DA (1981) Water resources system planning and analysis. Englewood Cliffs, NJ: Prentice-Hall.
21
Manca A, Sechi GM, Zuddas P (2010) Water Supply network optimisation using equal flow algorithms. Journal of Water Resources Management 24(13):3665-3678.
22
Moran PAP (1954) Probability theory of dams and storage systems. Journal of Australian journal of applied science 5:116-124.
23
Moran PAP (1955) A probability theory of dams and storage systems: Modifications of the release rules. Journal of Australian Journal of Applied Science 6:117-130.
24
Moran PAP (1959) The theory of storage. Methuen, London.
25
Neelakantam TR, Pundarikanthan NV (2000) Neural network based simulation operation model for reservoir operation. Journal of Water Resources Planning and Management 126(2):57-64.
26
Phatarfod RM (1979) The bottomless dam. Journal of Hydrology 40:337-36.
27
Prabhu NU (1958) On the integral equation for the finite dam. Journal of The Quarterly Journal of Mathematics 9(2):183-188.
28
Sreekanth J, Datta B, Mohapatra PK (2012) Optimal short-term reservoir operation with integrated Long-term goals. Journal of Water Resources Management 26(10):2833-2850.
29
Stedinger JR, Talor MR (1982) Synthetic streamflow generation (Model verification and validation). Journal of Water Resources Research 18(4):909-917.
30
Vedua S, Mohan S (1990) Real-time multipurpose reservoir operation: a case study. Journal of Hydrological Sciences Journal / Journal des Sciences Hydrologiques 35(4):447-462.
31
Yang W, Yang Z (2013) Development of a long-term, ecologically oriented dam release plan for the lake baiyangdian sub-basin, Northern China. Journal of Water Resources Management 27:485–506.
32
Yakowitz S (1982) Dynamic programming applications in water resources. Journal of Water Resources Research 18(4):673-696.
33
Yeh WWG (1985) Reservoir management and operations models: a state of the art review. Journal of Water Resources Research 21(12):1797-1818.
34
ORIGINAL_ARTICLE
تحلیل شبکه عوامل هیدرولوژیک و روابط اجتماعی در راستای شناخت و حلّ منازعات آبی (مطالعه موردی: روستای هماگ پایین، هرمزگان)
تحولات اجتماعی و کمبود منابع آب، باعث شده تا سیاستگذاران در توزیع عادلانه آب دچار معضلات جدّی شوند که در نتیجه منازعات آبی در سطوح خرد و کلان اجتماعی ایجاد میشود. پژوهش حاضر با هدف بررسی ارتباط میان روابط اجتماعی و پارامترهای هیدرولوژیک و تعیین نقاط قوّت و ضعف موجود در شبکه روابط اجتماعی در روستای هماگ پایین واقع در استان هرمزگان انجام شده است. دادههای مورد نیاز با استفاده از پرسشنامه جمعآوری شده و شبکه همکاری میان افراد با استفاده از رویکرد تحلیل شبکهای، نرمافزارهایVisone و Ucinet و شاخصهای اعتبار و نقشهای هم ارز ترسیم و تحلیل شده است. نتایج نشان داد که در این روستا الگوهای ارتباطی پیشین که تحت تأثیر روابط خویشاوندی شکل گرفته بودند، در پی بروز مشکل کمآبی، تغییر یافته و گروهبندیهای جدیدی میان افراد در پی بروز مشکل کمآبی، شکل گرفته است. در نهایت پیشنهاد شد تا مدیران آب، به ارتباطات و اثرات متقابل میان مسایل موجود در حوضههای آبریز تأکید بیشتر نموده و مسألهشناسی را بیشتر مورد توجه قرار دهند، خصوصاً مسایل اجتماعی که با تمام پارامترهای زیرسیستم طبیعی حوضه آبریز ارتباط متقابل دارند و عموماً تأثیرگذارترین پارامتر محسوب میشوند.
https://www.iwrr.ir/article_13431_6151f5029e1208d979cfbaf8a9251d24.pdf
2014-09-23
32
43
منازعات آبی
تحلیل شبکهای
شبکه روابط اجتماعی
پارامترهای هیدرولوژی
روستای هماگ پایین
حنّانه
محمّدی کنگرانی
kangarani@ut.ac.ir
1
استادیار / دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
LEAD_AUTHOR
دیبا
غنچهپور
diba.ghonchepour@yahoo.com
2
کارشناسی ارشد آبخیزداری/ دانشگاه هرمزگان
AUTHOR
ارشک
حلیساز
holisaz@hormozgan.ac.ir
3
استادیار/ دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان
AUTHOR
اداره کل منابع طبیعی و آبخیزداری استان هرمزگان (1389) مطالعات تفصیلی و اجرایی حوضه آبریز هماگ. گزارش هوا و اقلیم شناسی.
1
اداره کل منابع طبیعی و آبخیزداری استان هرمزگان (1389) مطالعات تفصیلی و اجرایی حوضه آبریز هماگ. گزارش فیزیوگرافی.
2
اداره کل منابع طبیعی و آبخیزداری استان هرمزگان (1389) مطالعات تفصیلی و اجرایی حوضه آبریز هماگ. گزارش پوشش گیاهی.
3
اداره کل منابع طبیعی و آبخیزداری استان هرمزگان (1389) مطالعات تفصیلی و اجرایی حوضه آبریز هماگ. گزارش هیدرولوژی.
4
اداره کل منابع طبیعی و آبخیزداری استان هرمزگان (1389) مطالعات تفصیلی و اجرایی حوضه آبریز هماگ. گزارش اجتماعی-اقتصادی.
5
جعفری ع (1385) ارزش و هزینه کامل آب: مطالعه موردی سد علویان، تحقیقات منابع آب ایران، سال دوم، شماره2: 111-100.
6
زرگرپور ر، نورزاد ع (1388) ارایه مدل مفهومی و تدوین الگوی مدیریت یکپارچه منابع آب با تأکید بر امنیت آبی کشور. تحقیقات منابع آب ایران، سال پنجم، شماره3: 88-76.
7
صادقی س ح، شریفی ف، فروتن ا، رضایی م (1383) ارزیابی کمّی عملکرد اقدامات آبخیزداری(مطالعه موردی: زیر آبخیز کشار). پژوهش و سازندگی، 17(4):96-102.
8
شرکت سهامی آب منطقهای استان هرمزگان (1388). دفتر مدیریت آبهای زیرزمینی.
9
عزیزی ق (1379) بررسی خشکسالیها- ترسالیها و امکان پیش بینی آنها با استفاده از مدل سری زمانی هالت وینترز در استان هرمزگان. فصلنامه تحقیقات جغرافیایی، شماره 79: 63-41.
10
محمدی کنگرانی ح (1387). «سیاستهای پیشنهادی برای مدیریت جنگلهای زاگرس یا هدف بهبود حفظ و ذخیره منابع آب». رساله دکتری، دانشگاه تهران.
11
محمدی کنگرانی ح، رفسنجانینژاد س (1391) بررسی ساختار قدرت در شبکه سیاستگذاری و مدیریت آب در برنامه چهارم توسعه ج.ا.ا. و ارایه شبکه بهینه سیاستگذاری، مجله سیاستگذاری عمومی، دانشکده حقوق و علوم سیاسی دانشگاه تهران، شماره 1.
12
میانآبادی ح ( 1391) آب، امنیت و رودخانههای مرزی. همایش ملی شهرهای مرزی و امنیت، چالشها و رهیافتها، دانشگاه سیستان و بلوچستان، زاهدان، 31- 30 فروردین.
13
هنمن ر ا، ریدل م (2005) درآمدی بر روش شبکههای اجتماعی. ترجمه حنانه محمدی کنگرانی و الهام محمدی (1393)، انتشارات دانشگاه هرمزگان، ص300 (در دست چاپ).
14
Bashirzade M, Araghinezhad S, Mohammadi Kangarani H (2009) Investigation of sustainability in implementation network of water resources management through network analysis. Intersectoral Conference in Advances Waste Water Treatment and Reuse, (AWTR2009) University of Tehran, Tehran, 10-12 November.
15
Bolin B, Collins T, Darby K (2008) Fate of the verde: Water, environmental conflict, and the politics of scale in Arizona’s central highlands. Geoforum 39: 1494-1951.
16
Brett AG, Kroma MM, Steenhuis T (2007) Analysis of rural water supply project in three communities in Mali: Participation and sustainability. Natural Resources Forum 31: 42-150.
17
Butts CT (2008) Social network analysis: A methodological introduction. Asian Journal of Social Psychology11:13-41.
18
Cox M (2008) Understanding the Acequia irrigation communities of New Mexico as social-ecological systems. Workshop in Political Theory and Policy Analysis, Indian University.
19
Funder M, Mweemba C, Nyambe I, Koppen BV, Munk Ravnborg H (2010) Understanding local water conflict and cooperation: The case of Namwala District, Zambia. Physics and Chemistry of the Earth 35:758–764.
20
http://visone.info/
21
http://www.analytictech.com /
22
Fowler JH, Jeon S (2008) The authority of Supreme Court precedent. Social Networks, 30: 16–30
23
Labadie JW (2006). MODSIM: Decision Support System for integrated river basin management, Department of Civil Engineering. Colorado State University. USA.
24
Loucks DP, van Beek E, Stedinger JR, Dijkman JPM, Villars MT (2005) Water resources systems planning and management: An introduction to methods, models and applications [Internet]. Paris, France: UNESCO; 2005. p. 810. Available from: http://hdl.handle.net/1813/2804
25
Luzi S, Hamouda MA, Sigrist F, Tauknitz E (2008) Water policy networks in Egypt and Ethiopia. The Journal of Environment Development, 17 (3): 238-268.
26
Martinez A, Dimitraiadis Y, Rubia B, Gomez E, de la Funete P (2003) Combining qualitative evaluation and social network analysis for the study of classroom social interactions. Computers & Education 41: 353-368.
27
Meinzer OE(1927) Large springs in the United States: U.S. Geological Survey Water-Supply, p 557.
28
Mianabadi H, Mostert E, Van de Giesen N. (2013). Transboundary river basins management: From conflict to cooperation. 6th International Conferenceon Water Resource Environ Res (ICWRER 2013). Koblenz, Germany.
29
Prell C, Hubacek K, Reed M (2007) Stakeholder analysis and social network analysis in natural resources management. SRI Papers (online), ISSN 1753-1330, No. 06.
30
Strang V (2006) Social ecohydrology: Integrating the social and natural sciences. Research paper prepared for Scientific Advisory Committee, UNESCO International Ecohydrology Programme.
31
Swyngedouw E (2009) The political economy and political ecology of the hydro-social cycle. Contemporary Water Research & Education, ISSUE142/PP: 56-60.
32
Winkels RGF, de Ruyter J, Kroese H (2011) Determining authority of Dutch case law. In K. Atkinson (ed). Legal knowledge and information systems. JURIX 2011: The Twenty-Fourth International Conference. Volume 235 of Frontiers in Artificial Intelligence and Applications, IOS Press, Amsterdam,pp. 103-112.
33
ORIGINAL_ARTICLE
برآورد احتمالات بارش روزانه با استفاده از مدل زنجیره مارکف در اقلیمهای مختلف ایران
برای تجزیه و تحلیل آماری پیشامدهایی که مستقل نبوده و به پیشامدهای قبلی خود وابسته میباشند، از زنجیره مارکف استفاده میشود. در این مطالعه، احتمالات پیشامدهای متوالی روزهای خشک و تر 15 ایستگاه سینوپتیک کشور با اقالیم مختلف از اقلیم خشک سرد تا مرطوب معتدل با استفاده از روش زنجیره مارکف مورد تحلیل قرار گرفت. برای دستیابی به احتمالات پیشامدهای متوالی روزهای خشک و تر از آمار بارش روزانه ایستگاههای کرمان، مشهد، شیراز و بندرعباس طی سالهای مطالعاتی 2009-1978، ایستگاههای تبریز، خرمآباد، اصفهان، تهران، زاهدان، اهواز، اردبیل و گرگان طی سالهای مطالعاتی 2008-1978، ایستگاه زنجان طی سالهای مطالعاتی 2007-1978، ایستگاه یاسوج طی سالهای مطالعاتی 2008-1987 و ایستگاه ساری طی سالهای مطالعاتی 2008-2000 بهره گرفته شد. آمار مزبور بر اساس ماتریس شمارش تغییر حالت روزهای بارانی و فاقد بارش مرتب شده، سپس ماتریس احتمال تغییر وضعیت بر اساس روش درستنمایی بیشینه محاسبه گردید. همچنین نقشههای خطوط هم احتمال طول موسم خشک مورد نظر تهیه شدند. نتایج نشان داد که احتمال عدم بارش در ایستگاهها مطالعاتی با اقلیمهای خشک از 811/0 تا 909/0، با اقلیمهای نیمهخشک از 685/0 تا 84/0 و با اقلیمهای معتدل و مرطوب از 695/0 تا 728/0 متغیر میباشد.
https://www.iwrr.ir/article_13433_0102ecbfbcca4d0897c6d0fdc814a14a.pdf
2014-09-23
44
55
زنجیره مارکف
بارش روزانه
مدلسازی
نقشههای خطوط هم احتمال
بهرام
بختیاری
drbakhtiari@uk.ac.ir
1
عضو هیاًت علمی بخش مهندسی آب/ دانشکده کشاورزی، دانشگاه شهید باهنر کرمان
LEAD_AUTHOR
نادیا
شهرکی
shahraki_n@yahoo.com
2
دانش آموخته کارشناسی ارشد مهندسی منابع آب/ بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان
AUTHOR
محمدمهدی
احمدی
3
عضو هیاًت علمی بخش مهندسی آب/ دانشکده کشاورزی، دانشگاه شهید باهنر کرمان
AUTHOR
جعفریبهی خ (1378) تحلیل آماری دورههای تر و خشک بارندگی در چند نمونه اقلیمی ایران با استفاده از زنجیره مارکف، پایان نامه کارشناسی ارشد، دانشگاه تهران.
1
رجبی م، فرج زاده م، بذرافشان ج (1386) شبیهسازی رفتار احتمالی سری زمانی شاخص بارش استاندارد با مدل زنجیره مارکف برای هشدار خشکسالیهای استان فارس. نشریه دانشکده منابع طبیعی،60 (4): 1170- 1157.
2
رحیمی ج، قهرمان ن، رحیمی ع (1390) تحلیل آماری دورههای تر و خشک بارندگی هفتگی با استفاده از زنجیره مارکف به منظور برنامهریزی کشاورزی دشت ورامین. نخستین کنفرانس ملی هواشناسی و مدیریت آب کشاورزی، 2-1 آذر، پردیس کشاورزی و منابع طبیعی دانشگاه تهران.
3
زارعی ا (1383) آمار مهندسی،چاپ اول. نشر دانشپرور.
4
طالشی ع (1384) مدل سازی بارشهای سالانه ایران با استفاده از روش زنجیره مارکف. پایان نامه کارشناسی ارشد، دانشگاه تبریز.
5
عساکره ح (1387) بررسی احتمال تواتر و تداوم روزهای بارانی در شهر تبریز با استفاده از مدل زنجیره مارکف. تحقیقات منابع آب ایران، 4 (2): 56- 46.
6
میر موسوی ح، زهره وندی ح (1390) مدلسازی احتمالات بارش هفته ای جهت تحلیل روزهای خشک متوالی، نمونه موردی: ایستگاه هواشناسی نهاوند استان همدان، دومین کنفرانس ملی پژوهشهای کابردی منابع آب ایران، 29-28 اردیبهشت، شرکت آب منطقه ای زنجان، زنجان.
7
Bekele E (2002) Markov chain modeling and ENSO influences on the rainfall seasons of Ethiopia. National Meteorological Servises of Ethiopia, 25: 1-13
8
Bigdeli A, Eslami A (2010) Analysis of wet and dry periods by Markov Chain Model in southern of Caspian sea.. Enviromental Engineering and Applications, 96-99
9
Chunale GL, Kulkarni SR, Patil AK, Patil BR (2003) Dry spell probability by Markov chain model and its application to crop planning in Kolhapur. Journal of Maharashtra Agricultural Universities, 28(3): 291-294.
10
Dastidar AG, Gosh D, Dasgupta S (2010) Higher order Markov chain models for monsoon rainfall over west Bengal, India. Indian Journal of Radio & Space Physics, 39: 39-44.
11
Hoaglin DC, Mosteller F, Tukey JW (2011) Exploring Data Table, Trends, and Shapes, John Wily & Sons.Inc, U.S.A. 538 P.
12
Khalili A (1997) Integrated water plan of Iran. Meteorological studies, Ministry of power. Iran.
13
Lennartsson Y, Baxevani A, Chen D ( 2008) Modeling percipitation in Sweden using multiple step markov chains and a composite model. Journal of Hydrology, 363: 42-59.
14
Moradi HR, Rajabi M, Farajzade M (2011) Invesstigation of meteorological drought characteristics in Fars province, Iran. CATENA, 84: 35-46.
15
ORIGINAL_ARTICLE
بهکارگیری سیستم پشتیبان تصمیمگیری در پروژۀ مدیریت یکپارچه آب و خاک شبکه آبیاری سد البرز (مدل MIKEBASIN)
اعمال مدیریت عادلانۀ تخصیص آب در تشکلها ضرورت استفاده از سیستمهای پشتیبان تصمیمگیری را به عنوان ابزاری مؤثر برای تحلیل تأمین و تقاضا ایجاب مینماید. مدل هیدرولوژیکی MIKEBASIN یکی از مدلهای این سیستم میباشد که به منظور شبیهسازی و مدیریت تخصیص آب در حوضه رودخانه توسعه یافته است. هدف از این مطالعه بررسی چگونگی عملکرد این مدل به عنوان ابزار سیستم پشتیبان تصمیمگیری در پروژه یکپارچه آب و خاک شبکه آبیاری سد البرز واقع در حوضه رودخانه بابل است. در این راستا، واحدهای عمرانی به 20 تشکل آببران تقسیم گردید که منابع آب در این محدوده به ترتیب شامل منابع آب سطحی، آببندان و آب زیرزمینی میباشد. با هدف تخصیص آب به تشکلها، شبیهسازی بیلان منابع و مصارف در قالب مقادیر 28 سالۀ رواناب حوضههای اصلی و زیرحوضهها، اطلاعات مخزن سد و نیاز آبی تشکلهای آببران، آب زیرزمینی و آببندان به صورت ماهانه انجام شد. در ارزیابی نحوۀ تخصیص منابع آب توسط مدل MIKEBASIN در تشکلهای آببران، میزان تأمین با هدف حداقل نمودن کمبودها و بر اساس اولویت مکانی هر تشکل برآورد شد. بر همین اساس تشکلهای بالادست آب بیشتری را دریافت نمودند. نتایج همچنین نشان میدهد که از 460 میلیون متر مکعب تقاضای تشکلها، 02/277 میلیون متر مکعب آن از آبهای سطحی و 01/131 میلیون متر مکعب آن از آب زیرزمینی و مابقی آن (92/1 میلیون متر مکعب) از آببندان تأمین میشود که میزان کمبودهای برآورد شده با توجه به معیار 85 درصد تأمین، 5/13 میلیون متر مکعب است. نهایتاً اینکه نتایج حاصل از تخصیص منابع آب این مطالعه به میزان قابل ملاحظهای با نتایج مطالعات قبلی انجام شده، مطابقت دارد.
https://www.iwrr.ir/article_13438_c8a94632d32e366d5c7a8ff291a3b0cb.pdf
2014-09-23
56
68
شبکۀ البرز
تخصیص منابع آب
تشکلهای آببران
مدل MIKEBASIN
سیده فاطمه
هاشمی
sfhashemi85@yahoo.com
1
دانشجوی کارشناسی ارشد آبیاری و زهکشی/ دانشگاه کشارزی و منابع طبیعی، ساری
AUTHOR
علی
شاهنظری
aliponh@yahoo.com
2
استادیار/گروه مهندسی آب، دانشکده علوم زراعی، دانشگاه کشاورزی و منابع طبیعی، ساری
LEAD_AUTHOR
مریم
نوابیان
mnavabian@gmail. com
3
کارشناس مدل منابع آب/ شرکت انجام نهاد آب، تهران
AUTHOR
باقری هارونی م ح و مرید س (1392) مقایسه مدلهای WEAP و MIKEBASIN در تخصیص سیستمهای منابع آب، مطالعه موردی: رودخانه تالوار. مجله پژوهشهای حفاظت آب و خاک، جلد 20، شماره 1:168- 151.
1
پورمحمد ی (1390) مدیریت یکپارچهی منابع آب مطالعهی موردی حوزه سد البرز. پایان نامه کارشناسی ارشد در رشته آبیاری و زهکشی، دانشگاه کشاورزی و منابع طبیعی ساری.
2
جاویدی- صباغیان ر، شریفی م ب و میان آبادی ح (1388) مدلسازی منابع و مصارف آب در حوضههای آبریز به کمک نرمافزار MIKEBASIN (مورد مطالعاتی حوضه آبریز اترک- استان گلستان). کنفرانس بین المللی منابع آب.
3
زارعی ز (1384) بررسی فاکتورهای مؤثر در مشارکت کشاورزان در تشکلهای آببران، استان اصفهان. دانشگاه تهران. تهران. پایانه نامه کارشناسی ارشد.
4
فتحیان ف و باقری هارونی م ح (1391) تخصیص سیستم منابع آب با مدل MIKEBASIN در سریهای زمانی رونددار و روندزدایی شده جریان رودخانه، حوضه صوفی چای. نشریه آب و خاک. جلد 26، شماره 2: 391-381.
5
Assaf H, van Beek E, Borden C, Gijsbers P, Jolma A, Kaden S, Kaltofen M, Labadie JW, Loucks DP,Quinn NW, Sieber J, Sulis A, Werick WJ and Wood DM (2008) Simulation models for facilitating stakeholder involment in water resource planning and management: A comparison, evaluation, and identification of future needs in environmental modelling, software and decision Support (3): The State of the Art and New Perspective, A.IDEA Book Series. 229-246.
6
Andru J, Capilaa J, Sanchis E (1996) Aquatool: a generalized DSS for Water resources planning and Operational management, Journal of Hydrology. 177: 269-291.
7
Bangash RF, Passuello A, Hammond M and Schuhmacher M (2012) Water allocation assessment in low flow river under data scarce conditions: A study of hydrological simulation in Mediterranean basin. Science of the Total Environment 440: 60-71.
8
Chakravortya U, Umetsu C (2003) Basinwide water management: a spatial model. Environmental Economics and Management 45:1–23.
9
DHI (2003) MIKEBASIN aversatile decision support tool for water resource Management planning, guide to getting started tutorial. Danish HydrualicInstitu, Denmark.
10
Ershadi A, H Khiabani And Lorup JK (2005) Applications of remote sensing, GIS and river basin modelling in integrated water resource management of Kabul river basin. ICDI 21st European Regional Conference.
11
Fredericks JW, Labadie JW, Altenhofen JM. (1998) Decision support system for conjunctive stream-aquifer management. J Water Res Pl-ASCE 124:69–78.
12
Garces-Restrepo C, Munoz G and Vermillion D (2007) Irrigation management transfer-worldwide efforts and result. Food and Agriculture Organization of the United Nations. 32.
13
Hashimoto T, Stendinger JR and Loucks DP 1982. Reliability, resiliency, and vulnerability criteria for water resources system performance evaluation. Water Resources Research. 18: 1. 14-20.
14
Ireson A, Makropoulos C and Maksimovic C (2006) Water resources modelling under data scarcity: coupling MIKE BASIN and ASM groundwater model. Water Resources Management 20: 567–590.
15
Jha MK and Gupta AD (2003) Application of MIKEBASIN for water management strategies in a watershed. International Water Resources Association. 28:27-35
16
Kazbekov J, Abdullaev I, Manthrithilake H, Qureshi A and Jumaboev K (2009) Evaluating planning and delivery performance of Water User Associations (WUAs) in Osh Province, Kyrgyzstan. Agricultural Water Management 96: 1259–1267
17
Kjelds J, Jacobsen T, HughesJ and Krejcik J (2004) Decision support tools for intefrated water resources management. DHI Water & Environment, AgernAlle 5, 2970 Hørsholm, Denmark. International Congress on River Basin Management.
18
Letcher RA, Croke BFW and Jakeman AJ (2007) Integrated assessment modeling for water allocation and management: A generalized conceptual framework. Enviromental Modelling& Software 22, 733-742.
19
Loucks DP, Stedinger J R and Haith DA (1981) Water resource systems planning and analysis. Prentice-Hall, Englewood Cliffs, NJ.
20
Maneta, M, Torres M, Vosti S, Wallender W, Allen S, Bassoi LH, Bcnnett L, Howitt R, Rodrigues L and Young J (2006) Assessing agriculture-water links at basin scale: hydroeconomic model of the São Francisco River basin, Brazil. São Francisco hydro-economic model. Agricultural Water Management 96: 1191–1200.
21
McCartney MP, Arranz R (2007) Evaluation of historic, current and future water demand in the Olifants River Catchment, South Africa. Colombo, Sri Lanka: International Water Management Institute. IWMI Research Report 118.48p.
22
Nyabeze WR, Mallory S, Hallowes J, Mwaka B and Sinha P (2007) Determining operating rules for the Letaba river system south Africa using three models. Physics and Chemistry of the Earth. 43: 1040-1049.
23
Nespak (2009) Water balance analysis and system operation, Alborze Integrated Land and Water Management Project. IWREMS Consultants, National Engineering Services Pakistan and TarhTadbir Engineering Company.
24
Nishat B and Rahman SMM (2009). Water resources modeling of the ganges-brahmaputra-meghna river basins using satellite remote sensing. Water Resources Association (JAWRA), 45: 1313-1327
25
Pott AJ, van der Merwe RJ, Meier KB and Summerton MJ (2007) The Integration of ACRU and MIKE BASIN via a GIS Based Application
26
Perera BJC, James B, Kularathna MDU (2005) Computer software tool REALM for sustainable water allocation and management. J Environ Manage. 77:291–300.
27
Shyamsundar P, Araral E and Weeraratne S (2005) Devolution of Resource Rights, Poverty, and Natural Resource Management – A Review. The World Bank No. 104.
28
Yates D, Sieber J, Purkey D, Huber Lee A (2005) WEAP21 - a demand-, priority and preference driven water planning model. Water International 30:501-512.
29
ORIGINAL_ARTICLE
تحلیل حساسیت عدم قطعیتهای هیدرولوژیکی، هیدرولیکی و اقتصادی در طراحی سیستمهای کنترل سیلاب
طراحی سیستمهای کنترل سیلاب به دلیل ماهیت تصادفی سیل و خطاهای اندازهگیری با انواع عدم قطعیتهای هیدرولوژیکی، هیدرولیکی، ژئوتکنیکی و اقتصادی همراه است. هدف این مقاله تحلیل حساسیت این عدم قطعیتها به منظور تعیین میزان تأثیر هر یک از آنها بر ابعاد طراحی سازه میباشد. بدین منظور، با استفاده از یک مدل بهینهسازی غیر خطی مبنی بر تحلیل ریسک1 در دو حالت احتمالاتی و قطعی در نرم افزار 2LINGO، به طراحی یکی از معمولترین سازههای مهار سیلاب یعنی گورهها3 پرداخته شده است. در طراحی احتمالاتی، هریک از این عدم قطعیتها یک بار به طور جداگانه و بار دیگر همه با هم در مدل اعمال شده و جهت تحلیل عدم قطعیتها از روش شبیه سازی مونت کارلو4 استفاده شده است. در این مقاله، محدوده شمال شهر شیراز در مجاورت رودخانه خشک معالیآباد به عنوان منطقه مورد مطالعه انتخاب شده است. در پی اجرای مدل، دوره بازگشت بهینه طراحی در هر دو حالات احتمالاتی و قطعی یکسان و برابر 20 سال به دست آمده است. برخلاف مدل قطعی که در آن ابعاد سیستم به صورت تک مقداری حاصل میشوند، مدل احتمالاتی یک بازه برای هر پارامتر نتیجه میدهد که مقادیر آنها تحت تأثیر نوع عدم قطعیت اعمال شده، تغییر مییابد. نتایج نشان میدهد که اعمال عدم قطعیت هیدرولوژیکی در طراحی، مؤثرتر از عدم قطعیت اقتصادی، و آن هم مهمتر و مؤثرتر از عدم قطعیت هیدرولیکی است. در صورت وجود محدودیتهای هزینه و زمان، جهت اطمینان و رضایت از عملکرد بهتر سیستم در زمان آینده، لازم است حداقل عدم قطعیت هیدرولوژیکی در طراحی منظور شود.
https://www.iwrr.ir/article_13440_d68b3d910df3aacc7ea11e7d36ccaa6c.pdf
2014-09-23
69
81
عدم قطعیت
هیدرولوژیکی
هیدرولیکی
اقتصادی
تحلیل ریسک
بهینهسازی
گوره
معصومه
بهروز
m_behroz_cemb@yahoo.com
1
کارشناس ارشد مهندسی عمران/ مهندسی رودخانه، دانشگاه شهید بهشتی
LEAD_AUTHOR
سعید
علیمحمدی
2
استادیار/ دانشکده مهندسی آب و محیط زیست دانشگاه شهید بهشتی
AUTHOR
جلال
عطاری
3
استادیار/ دانشکده مهندسی آب و محیط زیست دانشگاه شهید بهشتی
AUTHOR
اسکونژادم م (1378) اقتصاد مهندسی یا ارزیابی اقتصادی پروژههای صنعتی. دانشگاه صنعتی امیرکبیر.
1
افتخاریان ل (1380) تحلیل عدم قطعیت پروفیل سطح آب به منظور بررسی قابلیت اعتماد سیل بندها. پایان نامه کارشناسی ارشد، دانشگاه صنعتی شریف.
2
مهندسین مشاور آبفن، تهران (1387) مطالعات طرح سد کنترل سیلاب تنگ سرخ، گزارشات برنامه ریزی منابع آب و طراحی سازههای هیدرولیکی.
3
سرابندی ا (1387) بهینه سازی ابعاد سیستمهای ترکیبی (سد- گوره)، پایان نامه کارشناسی ارشد، دانشگاه عباسپور.
4
علیمحمدی س، رفیعی انزاب ن، مرادی م (1392) طراحی خاکریزهای کنار رودخانه (گورهها) به روش آنالیز ریسک، مجله آب و فاضلاب. 89: 95-110.
5
Lee H L (1986) Hydraulic uncertainties in flood levee capacity. Journal of Hydraulic Engineering, 112(10): 928- 934.
6
Chow, V T, Maidment, DR and Mays, LW (1988) Applied Hydrology, McGraw-Hill, New York,USA.
7
Morgan, M Granger and Henrion, Max (1990) A Guige to Dealing with Uncertainty in Quantitive Risk and Policy Analysis, Cambridge, Univercity Press.
8
Tung YK and Yen BC (1993) “Some progress in uncertainty analysis for hydraulic design. Yen, B. C. and Tung, Y.K., (Eds.). In reliability and uncertainty analysis in hydraulic design (report), American Society of Civil Engineers.
9
Mays LW (1996) The role of risk analysis in water resources engineering. Department of Civil and Environmental Engineering, Arizona State university, pp. 8-12.
10
Tung, YK (1996) Uncertainty analysis in water resources engineering. Tick, K. S. Goulter, I. C., Xu,c., Wasimi, S. A., and Bouchart, F. (Eds.), In Stochastic Hydraulics 96
11
U. S. Army Corps of Engineers (1996) Risk-based analysis for flood damage reduction studies. EM1110-2-1619, Washington.
12
Tung, YK (1999) Risk/Reliability-based hydraulic engineering design in hydraulic design handbook, L. W. Mays (ed.). McGraw-Hill, New York.
13
Ahmed, I and Freeman, GE (2004) Estimating stage-discharge uncertainty for flood damage assessment. Proc. World Water and Environmental. Resources Management, 1-8
14
Loucks, DP and Van Beek, E (2005) Water resources system planning and management, UNESCO, Netherlands.
15
Griffiths DV, Fenton GA (2007) Probabilistic Methods in Geotechnical Engineering, SpringerWien, New York.
16
ORIGINAL_ARTICLE
بررسی آزمایشگاهی تأثیر امواج عمود بر جریان نوع 1،2،3 و 4 بر انتقال رسوبات معلق
در تحقیق حاضر تأثیر امواج عمود بر جریان نوع 1، 2، 3 و 4 بر انتقال رسوبات معلق در آرایش زیگزاگی موانع، در یک فلوم مستطیلی بررسی شده است. نتایج این تحقیق نشان میدهد که در حالت عدم وجود موج عمود بر جریان، غلظت رسوبات معلق در انتهای بازه موانع بیشتر از انتهای بازه بدون موانع هست اما در حالت وجود موج، عکس این قضیه اتفاق میافتد. در شرایط یکسان از دبی، قطر و فاصلهی طولی و عرضی موانع، افزایش شماره موج باعث کاهش اختلاف غلظت رسوبات معلق در پاییندست بازه موانع نسبت به بازه بدون موانع شده است. همچنین درصد کاهش غلظت رسوبات معلق منتقلشده از بازه موانع، نسبت به شرایط عدم وجود موج، کاهش یافته است. به گونهای که غلظت رسوبات معلق منتقلشده، تحت اثر امواج نوع 1، 2، 3 و 4 به ترتیب 2/6%، 9/3%، 6/3% و 1/3% کاهش یافته است و در این شرایط، تحت اثر موج نوع 3 و 4، رسوبات معلق در بالادست بازه موانع ته نشین شدهاند اما 1 و 3 درصد از رسوبات منتقل نشده در بازه موانع، به ترتیب تحت اثر موج نوع 1 و 2 به بازه بدون موانع منتقل شدهاند. همچنین نتایج نشان داده است که با افزایش دامنه موج، توانایی موج در کاهش غلظت رسوبات معلق پاییندست موانع نسبت به بازه بدون موانع افزایش مییابد.
https://www.iwrr.ir/article_13441_8039b01c4c4d2e5e31641e6ed5e4d55b.pdf
2014-09-23
82
93
غلظت رسوبات معلق
موج عمود بر جریان
ورتکس
ندا
پوستیزاده
nedapzh@gmail.com
1
دانشجوی دکتری/گروه سازه های آبی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران
LEAD_AUTHOR
مهدی
قمشی
2
استاد /گروه سازه های آبی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران
AUTHOR
محمد
محمودیان شوشتری
3
استاد /گروه عمران، دانشکده فنی مهندسی، دانشگاه شهید چمران، اهواز
AUTHOR
جعفری ا، قمشی م ، بینا م (1389) تأثیر تعداد ردیف موانع بر روی دامنه امواج عرضی ناشی از ورتکس موانع در جریان روباز. نهمین کنفرانس هیدرولیک ایران، دانشگاه تربیت مدرس، تهران، آبان ماه.
1
عزیزی ر، قمشی م (1389) رابطه فرکانس امواج عمود بر جریان در مجاری روباز با مشخصات جریان و موانع. تحقیقات منابع آب ایران، سال 6، شماره 2: 57-65.
2
عطایی آشتیانی ب، بهشتی ع (1386) مکانیک امواج آب (ترجمه). جهاد دانشگاهی واحد صنعتی امیرکبیر.
3
قمشی ع (1388) امواج عمود بر جریان ناشی از ورتکس موانع در مجاری روباز و تأثیر آن بر شکل بستر. مجموعه مقالات هشتمین سمینار بینالمللی مهندسی رودخانه، دانشگاه شهید چمران، اهواز، بهمنماه.
4
Blevins RD (1977) Flow-induced Vibration VNR. London, England.
5
Crasse D (1939) About oscilation phenomenon on water surface part 1: Flow around obstacle from piles of bridge, 209p.
6
Falvey HT (1980) Practical Experiences with Flow Induced Vibrations. E. Naudascher and Rockwell, eds., Springer, New.
7
Fitz-hugh JS (1973) Flow induced vibration in heat exchangers. In: proc. UKAEA/NPL International Symposium on vibration problems in industry, Keswick, England, paper 427, 1-17.
8
Ghomeshi M, Mortazavi-Dorcheh SA and Falconer R (2007) Wave formation by vortex shedding in open channel. Cardiff University, Cardiff, UK.
9
Hamakawa H, Fukano T, Nishida E and Ishida H (2006) Effect of Flow Induced Acoustic Resonance on Vortex Shedding from Staggered Tube Bank. International Journal Series B, 49(1).
10
Jafari A, Ghomeshi M, and Kashefipour SM (2010) Comparing of ten modes of oscillation occurring across the open channels. IAHR-APD Congress, 21-24 February, the School of Engineering, The University of Auckland, New Zealand.
11
Multu Sumer B, Fredsoe J and Christiansen N (1992) Scour around vertical pile in waves. Journal of Waterway 118(1): 15-31.
12
Schuster JC (1967) Canal capacity studies, Wave formation by bridge piers. Hydraulics Branch Rep, HYD-485, U.S. Bureau of Reclamation.
13
Ziada S (2006) Vortices shedding and acoustic resonance in tube bundles. Journal of the Braz. Soc. of Mec& Eng. 28(2).
14
Zima L and Ackermann SN (2002) Wave generation in open channels by vortex shedding from channel obstruction. J Hydraulic Engineering, ASCE 128(6): 596-603.
15
Zukauskas A, Ulinskas R and Katinas V (1988) Flow dynamics and flow-induced vibrations of tube banks. Experimental and Applied Heat Transfer Guide Books.
16
ORIGINAL_ARTICLE
بهینهیابی مدل عددی برداشت از آبخوان با استفاده از الگوریتم ژنتیک (مطالعه موردی: آبخوان ساحلی ارومیه)
مدلسازی به عنوان روشی کارآمد، با کمترین هزینه، امکان مطالعه پیچیدگی جریان آب زیرزمینی را برای مدیران فراهم میکند. همواره تعیین میزان برداشت بهینه از آبخوان یکی از پیچیدهترین مسائل پیش روی مهندسین علوم آب بوده است. هدف از این تحقیق، مدیریت بهرهبرداری بهینه از آبخوان دشت ساحلی ارومیه و تعیین نرخ بهینه پمپاژ چاههای بهرهبرداری است؛ تا با جلوگیری از برداشت بیش از حد آب زیرزمینی، بتوان دریاچه ارومیه را از بحران خشک شدن روزافزون نجات داد. در این پژوهش ابتدا مدل جریان آبزیرزمینی محدوده مورد مطالعاتی با استفاده از نرمافزار Visual MODFLOW (Ver 4.2) طراحی و ساخته شد، سپس چاههای منطقه مور مطالعه جهت بهینه کردن نرخ پمپاژ با توجه به ویژگیهای ضریب هدایت هیدرولیکی و ضریب آبدهی ویژه، منطقهبندی گردیدند. در نهایت نرخ پمپاژ چاههای بهره برداری با توجه به هدف مورد نظر (کمینهسازی نرخ پمپاژ چاههای بهرهبرداری) و با استفاده از الگوریتم ژنتیک بهینه گردید.
https://www.iwrr.ir/article_13442_f9e53440a6c2775ee74b108682647e3c.pdf
2014-09-23
94
97
مدلسازی
آب زیرزمینی
آبخوان ساحلی
شبیهسازی
بهینهسازی
ژنتیک الگوریتم
محمد
نخعی
nakhaeimohammad@yahoo.com
1
دانشیار / هیدروژئولوژی، گروه زمین شناسی، دانشگاه خوارزمی تهران
LEAD_AUTHOR
خالق
محمدی
mohammadi.khalegh@gmail.com
2
کارشناسی ارشد زمینشناسی/ آب شناسی دانشگاه خوارزمی تهران
AUTHOR
حسین
رضایی
3
دانشیار / علوم مهندسی آبیاری، گروه مهندسی آب، دانشگاه ارومیه
AUTHOR
آبایی ع، قاهری ع، و سعیدی م، (1390) "تهیه الگوریتم بهرهبرداری بهینه از آبخوان به منظور تعدیل غلظت آلایندهها، مجله آب و فاضلاب، 8: 132-138.
1
Aly AH , Peralta RC (1999) Optimal design of aquifer cleanup systems under uncertainty using a neural network and genetic algorithm,"Water Resources Research 35(8): 2523-2532.
2
Aral MM and Guan J (1996) Optimal groundwater remediation design using differential genetic algorithm. Computational Methods in Water Resources 1:357-394.
3
Bear, J (2010) Modeling groundwater flow and contaminant transport (Theory and application of transport in porous media). Springer Science. 856 p.
4
Fetter CW (1988) Applied hydrogeology, McMilian publishing Co, USA. 592 p.
5
Gelhar LW (1993) Stochastic subsurface hydrology. Prentice Hall, Engle-wood Cliffs, 480 p.
6
Harden and Associates Inc. (2000) Brazos G Regional Water Planning Area. Carrizo-Wilcox Ground Water Flow Model and Simulations Results.
7
Jonoski A. Zhou Y, Nonner J, Meijer S (1997) Model aided design and optimization of artificial recharge-pumping systems. Journal of Hydrology Sciences 42(6): 937-953.
8
Prickett TA (1975) Modeling techniques for groundwater evaluation. In Advances in Hydroscience. Vol. 10. Chow. V.T.(ed.), New York, Academic Press. 143 p.
9
Regli C, Rauber M , Huggenberger P (2003) Analysis of aquifer heterogeneity within a well capture zone. Comparison of model data with field experiments: a case study from the river Wiese Switzerland. Aquatic Science 65: 111-128.
10
Wang M , Zheng C (1997) Optimal remediation policy selection under general conditions. Ground Water 35(5): 757-764.
11