ORIGINAL_ARTICLE
پیشگفتار
https://www.iwrr.ir/article_16031_f3d45ec002a10e96d5b78684612921a8.pdf
2010-05-22
0
1
محمد
کارآموز
karamouz@ ut.ac.ir
1
AUTHOR
ORIGINAL_ARTICLE
توسعه الگوریتم بهینه سازی جامعه مورچهها به صورت تلفیقی با مدل شبیه سازی عددی برای مدیریت بهینه آبخوانهای ساحلی
آبخوانهای ساحلی یکی از منابع حیاتی موجود در مناطق ساحلی میباشند. در این مناطق از سطح جهان که اغلب، مناطقی پرجمعیت، صنعتی و پراهمیت هستند، به دلیل فشارهای وارده، امکان بروز چالشهای زیست محیطی، وجود دارد. از معمولترینِ آنها، میتــوان به رخ دادن پــدیده پیشروی آب شور به دلیل برداشت نادرست و بیش از حدِ آب زیرزمینی ساحلی و کاهش کیفیت آن اشاره نمود که محدودیتهای زیادی را در نحوه بهرهبرداری از آبخوانهای ساحلی فراهم مینماید. شناخت صحیح سیستم آب زیرزمینی در آبخوان ساحلی و پدیده پیشروی آب شور به سمت آن، در تدوین سیاستهای نحوه بهرهبرداری از منابع آب موجود و کنترل پیشروی آب شور ضروری است. در این مطالعه، مدل تلفیقیِ شبیهسازی عددی و بهینهسازی به روش جامعه مورچهها در محیطهای پیوسته و با اعمال استراتژی Elitist برای مدیریت بهینه آبخوانهای ساحلی با هدف کنترل خطر پیشروی آب شور دریا ارائه میگردد. در مدل شبیهسازی عددی بر اساس گسستهسازی تفاضلات محدود، ایدهای ساده مبتنی بر برقراری معادله پیوستگی جریان با امکان افزودن پیچیدگیهای بیشترِ منطبق بر واقعیت، توسعه داده شده و ابزار بررسی توابع هدف متنوعتر با گستره وسیعتری از قیود مورد توجه در مباحث مدیریت آبخوان ساحلی، در تنظیم معادلات و روند کار، لحاظ شده است. کارآیی مدل با به کار بردن آن در چندین مثال حل شده و مقایسه با کارهای پیشین، ارزیابی شده که نتایج این ارزیابی، نشان دهنده دقت و اعتبار مدل تدوین شده بوده و قابلیت کاربرد آن را در مدیریت بهینه آبخوانهای ساحلی در مطالعههای واقعی نمایان میسازد.
https://www.iwrr.ir/article_15997_3f6eb4a144004017ec346fbf84ed1e3c.pdf
2010-05-22
1
12
روش بهینه سازی جامعه مورچهها
آبخوان ساحلی
مدیریت بهینه
پیشروی آب شور دریا
شبیه سازی عددی
حامد
کتابچی
hketabchi@civil.sharif.edu
1
دانشجوی دکترای / مهندسی آب، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
LEAD_AUTHOR
بهزاد
عطایی آشتیانی
ataie@sharif.edu
2
استاد/ دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
AUTHOR
جلالی، م.ر. 1384. "طراحی و بهره برداری بهینه از سیستمهای هیدرولیکی با الگوریتم جامعه مورچهها، یک رهیافت فراکاوشی جدید" ، پایان نامه دکتری آب، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران.
1
کتابچی، ح. 1387. "مدیریت بهینه آبخوانهای ساحلی برای کنترل پیشروی آب شور دریا به روش بهینه سازی جامعه مورچهها" ، پایان نامه کارشناسی ارشد آب، دانشکده مهندسی عمران، دانشگاه صنعتی شریف.
2
Abbaspour, K.C., and Schlin, R. and Van Genuchten M.T. (2001) “Estimating unsaturated soil hydraulic parameters using ant colony optimization”, Advances Water Resources, 24(8), pp. 827-933.
3
Afshar M.H., Ketabchi, H. Rasa, E. (2006) “Elitist continuous ant colony optimization algorithm: Application to reservoir operation problems”, International Journal of Civil Engineering, 4(4), pp. 274-285.
4
Afshar, M.H. (2005) “A new transition rule for ant colony optimization algorithms: Application to pipe network optimization problems”, Engineering Optimization, 37(5), pp. 525-40.
5
Afshar, M.H. (2007) “Partially constrained ant colony optimization algorithm for the solution of constrained optimization problems: Application to storm water network design”, Advances Water Resources, 30, pp. 954-965.
6
Amy, Y.L. and Hilton, B.C. (2007) “Short communication optimal groundwater monitoring design using an ant colony optimization paradigm”, Environmental Modeling Software, 22, pp. 110-116.
7
Ataie-Ashtiani, B. Volker, R.E. and Lockington, D.A. (2002) “Contaminant transport in the aquifers influenced by tide”, Australian Civil Engineering Transaction, Inst of Eng, Australia, CE43, pp. 1-11.
8
Ataie-Ashtiani, B. Volker, R.E. and Lockington, D.A. (1999) “Numerical and experimental study of seepage in unconfined aquifers with a periodic boundary condition”, Journal of Hydrolgy, 222(1-4), pp. 165-184.
9
Ataie-Ashtiani, B. Volker, R.E. and Lockington, D.A. (2001) “Tidal effects on groundwater dynamics in unconfined aquifers”, Hydrological Process, 15(4), pp. 655-669.
10
Ataie-Ashtiani, B. Volker, R.E. and Lockington, D.A. (1999) “Tidal effects on seawater intrusion in unconfined aquifers”, Journal of Hydrology, 216(1-2), pp. 17-31.
11
Ataie-Ashtiani, B. (2007) “MODSHARP: Regional-scale numerical model for quantifying groundwater flux and contaminant discharge into the coastal zone”, Journal of Environmental Modeling Software, 22, pp. 1307-1315.
12
Bear, J. (1979) “Hydraulics of Groundwater”, McGraw-Hill, New York.
13
Bhattacharjya R.K., Datta, B., Satish, M. (2007) “Artificial neural networks approximation of density dependent saltwater intrusion process in coastal aquifers”, Journal of Hydrological Engineering, 12(3), pp. 273-282.
14
Cheng, A.H.D., Halhal, D., Naji, A. and Ouazar, D. (2000) “Pumping optimization in saltwater-intruded coastal aquifers”, Water Resources Research, 36 (8), pp. 2155-2166.
15
Das, A. and Datta, B. (1999) “Development of multi-objective management models for coastal aquifers”, Journal of Water Resources Planning and Management, ASCE, 125(2), pp. 76-87.
16
Dorigo, M. and Socha, T. (2007) “An Introduction to Ant Colony Optimization”, IRIDIA Technical Report Series ISSN, pp. 1781-3794.
17
Emch, P.G. and Yeh, W.W.G. (1998) “Management model for conjunctive use of coastal surface water and groundwater”, Journal of Water Resources Planning and Management, 124, pp. 129-139.
18
Ferreira, da Silva, J.F. and Haie, N. (2007) “Optimal locations of groundwater extractions in coastal aquifers”, Journal of Water Resources Planning and Management, ASCE, 21, pp. 1299-1311.
19
Finney, B., Samsuhadi, A. and Willis, R. (1992) “Quasi-three-dimensional optimization of Jakarta Basin”, Journal of Water Resources Planning and Management ASCE, 118(1), pp. 18-31.
20
Gordon. E., Shamir, U. and Bensabat, J. (2000) “Optimal management of a regional aquifer under salinization conditions”, Water Resources Research, 36(11), pp. 3193-3203.
21
Gorelick. S,M. and Voss, C.I. (1984) “Aquifer reclamation design: The use of contaminant transport simulation combined with nonlinear programming”, Water Resources Research, 20(4), pp. 415-427.
22
Hallaji, K.H. and Yazicigil, H. (1996) “Optimal management of a coastal aquifer in southern Turkey”, Water Resources Planning and Management, ASCE, 122(4), pp. 233-244.
23
Katsifarakis, K. L., Petala, Z. (2006) “Combining genetic algorithms and boundary elements to optimize coastal aquifers’ management”, Journal of Hydrology, 327, pp. 200-207.
24
Katsifarakis, K.L., Karpouzos, D.K. and Theodossiou, N. (1999) “Combined use of BEM and genetic algorithms in groundwater flow and mass transport problems”, Journal of Engineering Analytical Boundary Element, 23, pp. 555-565.
25
Madadgar, S., Afshar, A.. (2009) “An improved continuous ant algorithm for optimization of water resources problems”, Water Resources Management, 23, pp. 2119–2139.
26
Mantoglou, A., Papantoniou, M. and Giannoulopoulos, P. (2004) “Management of coastal aquifers based on nonlinear optimization and evolutionary algorithms”, Journal of Hydrolgy, 297, pp. 209-228.
27
Mantoglou, A. (2003) “Pumping management of coastal aquifers with analytical models of saltwater intrusion”, Water Resources Research, 39(12), (Art. No. 1335 DEC 4).
28
Naji, A., Cheng, A.H.D. and Ouazar, D. (1999), “BEM solution of stochastic seawater intrusion problems”, Journal of Engineering Anayticall Boundary Element, 23, pp. 529-537.
29
Park, C.H. and Aral, M.M. (1999) “Multi-objective optimization of pumping rates and well placement in coastal aquifers”, Journal of Hydrolgy, 290, pp. 80-99.
30
Reilly, T.E. and Goodman, A.S. (1985) “Quantitative analysis of saltwater-freshwater relationships in groundwater systems - A historical perspective”, Journal of Hydrology, (80m) pp. 125-160.
31
Shamir, U., Bear, J., Gamliel, A. (1984) “Optimal annual operation of a coastal aquifer”, Water Resources Research, 20(4), pp. 435-444.
32
Zecchin, A.C. Maier, H.R. Simpson, A.R. Leonard, M. and Nixon, J.B. (2007) “Ant colony optimization applied to water distribution system design: Comparative study of five algorithms”, Journal of Water Resources Planning and Management, ASCE ,133(1), pp. 87-92.
33
ORIGINAL_ARTICLE
ارزیابی روش های تولید قوانین فازی برای بهره برداری از مخزن سد
منطق فازی به عنوان تکنیکی محاسباتی برگرفته از نحوه استدلال انسان، در مسائل گوناگون مدیریت منابع آب از جمله بهرهبرداری از مخازن، بسیار بکار گرفته شده است. یکی از مشکلات عمده در مدلسازی فازی، ساخت توابع عضویت و استخراج قوانین میباشد. بدین منظور در این تحقیق تلاش شده تا با استفاده از روشهای خودکار، توابع عضویت و قواعد فازی جهت تعیین خروجی مخزن سد زایندهرود برای بخش کشاورزی مورد ارزیابی قرار گیرد. برای این منظور روش SOFM1 برای ساخت توابع عضویت و روشهای FAM2 و BFRT3 نیز برای ساخت قواعد بهرهبرداری از مخزن بکار گرفته شده است. نتایج حاکی از آن است که طبقهبندی متغیرهای ورودی و خروجی با استفاده از روش SOFM راهکاری مناسب برای تعریف توابع عضویت فازی بوده، ولی روش BFRT و FAM هر چند قوانین قابل قبولی را تولید میکنند، ولی لازم است قوانین تولید شده بررسی و سپس مورد استفاده قرار گیرند. البته روشها در کاهش زمان لازم برای ساخت قوانین، نقش موثری داشتند.
https://www.iwrr.ir/article_15998_08b6233f197bd10df000cb2be2302ae3.pdf
2010-05-22
13
25
منطق فازی
تولید قوانین
تولید توابع عضویت
بهرهبرداری از مخزن
سد زاینده رود
حمیده
حسینی صفا
safa_h_h@yahoo.com
1
دانش آموخته کارشناسی ارشد/ منابع آب دانشگاه تربیت مدرس، تهران، ایران
AUTHOR
سعید
مرید
morid_sa@modares.ac.ir
2
دانشیار / گروه سازه های آبی دانشگاه تربیت مدرس، تهران، ایران
LEAD_AUTHOR
مهنوش
مقدسی
m-moghaddasi@araku.ac.ir
3
دانش آموخته دکتری سازه های آبی دانشگاه ترییت مدرس، تهران، ایران
AUTHOR
جمالی، س.، ابریشم چی، الف. و تجریشی، م.، (1384)، "ساخت مدلهای پیشبینی جریان رودخانه و بهرهبرداری از مخازن با استفاده از سیستم استنباط فازی"، پایاننامه کارشناسی ارشد دانشگاه صنعتی شریف.
1
طوسی، ر.، ل.، (1385)، "ارزیابی پروژههای انتقال آب بین حوضهای با استفاده از روش فازی؛ مطالعه موردی کارون بزرگ"، پایان نامه کارشناسی ارشد دانشگاه تربیت مدرس.
2
عراقی نژاد، ش، کارآموز، م. (1384)، "پیشبینی بلندمدت رواناب با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج فازی"، مجله تحقیقات منابع آب ایران، سال اول، شماره 2، تابستان 84.
3
عراقینژاد، ش. (1384)، "مدیریت منابع آب برپایه تحلیلهای اقلیمی"، رساله دکتری دانشگاه امیرکبیر.
4
مقدسی، م.، مرید، س. و عراقینژاد، ش. (1387)، "بهینهسازی تخصیص آب در شرایط کمآبی با استفاده از روشهای
5
برنامهریزی غیرخطی، هوش جمعی و الگوریتم ژنتیک (مطالعه موردی : خشکسالی سالهای 78-1377 تا 80-1379 در شبکههای آبیاری حوضه زاینده رود اصفهان)"، برای چاپ در مجله تحقیقات منابع آب ایران.
6
Abe, S. and Lan, M. (1995), “A method for fuzzy rules extraction directly from numerical data and its application to pattern classification”, IEEE Trans. Fuzzy System. 3, pp. 18–28.
7
Anonymous. (1999). Fuzzy Tech 5.3, User Manual.
8
Chen, Q. and Mynett, A.E. (2003), “Integration of data mining techniques with heuristic knowledge in a fuzzy logic modelling of eutrophication in Taihu Lake”, Ecological. Modelling. 162, pp. 55–67.
9
Chen, Q., and Mynett, A. (2004), “A robust fuzzy logic approach to modeling algae biomass”, Journal of Hydraulic Research. 42(3): pp. 303-309.
10
Chen, Q., Mynett, A.E. and Blauw, A.N. (2002), “Fuzzy logic and artificial neural network modelling phaeocystis in the North Sea”, In: Falconer, R.A., Lin, B., Harries, E.L. and Wilson, C.A.M.E. (EDS), Proceeding of Hydroinformatics 2002, Cardiff, UK, pp. 722–728.
11
Czogala, E. and Leski, J. (2000), “Fuzzy and neuro-fuzzy intelligence systems”, Physica-Verlag, SBN: 3-7908-1289-7.
12
Dubrovin, T., Jolma, A., and Turunen, E. (2002), “Fuzzy model for real-time reservoir operation”, Journal of Water Recourses Planning and Management. 128:1(66) pp. 66-73.
13
Filev, D.P. and Yager, R.R. (1994), “Generation of fuzzy rules by mountain clustering”, Journal of Intelligent & Fuzzy Systems, 2, pp. 209–219.
14
Halide, H. and Ridd, p. (2000), “Modeling inter-annual variation of a local rainfall data using a fuzzy logic technique”, International Research Institute for Climate Prediction, USA, April 2000.
15
Kohonen, T. (1982), “Self organized formation of topological correct feature maps”, Biol. Cybern. 43, pp. 59–69.
16
Kohonen, T. (2001), Self-Organizing Maps (2nd edition ed.). Germany: Springer.
17
Krone, A. and Taeger, H. (2001), “Data-based fuzzy rule test for fuzzy modelling”, Fuzzy Sets and Systems. 123, pp. 343–358.
18
Maier, H. R., Sayed, T. and Lence B. J. (2000), “Forecasting cyanobacterial concentrations using B-spline networks”, Journal of computing in civil engineering. 14(3), pp. 183-189.
19
Moghaddasi, M., Morid, S., Araghinejad, S. and Agha Alikhani, M. (2008), “Assessment of irrigation water allocation based on optimization and equitable water reduction approaches to reduce agricultural drought losses: The 1999 drought in the Zayandeh Rud irrigation system (Iran)”, Accepted in Journal of Irrigation and Drainage.
20
Shrestha, B. P., Duckstein, L., and Stakhiv, E. Z. (1996), “Fuzzy rule-based modeling of reservoir operation”, ASCE, Journal of Water Recourses Planning and Management. 122(4): pp. 262-269.
21
Von Altrock, C. (1995), Fuzzy Logic and Neurofuzzy Applications Explained, Prentice Hall, ISBN: 0-13-368465-2.
22
Wang, L. and Mendel, J.M. (1992), “Generating fuzzy eules by learning from examples”, IEEE Trans. Syst. Man. Cybernet. 22, pp. 1414–1427.
23
ORIGINAL_ARTICLE
بررسی اثر پارامترهای مؤثر بر روش ماسکینگام-کانژ در مقایسه با روش روندیابی دینامیکی
یکی از موارد ضروری برای طراحی و ارزیابی سازههای هیدرولیکی و نیز برنامهریزی منابع آب، پیشبینی شدت جریان و تراز آب در رودخانه است. برای این منظور از روشهای روندیابی برای تخمین تراز آب و شدت جریان هنگام حرکت موج سیلاب در طول رودخانه استفاده میشود. در این مطالعه روش روندیابی دینامیکی و روش ماسکینگام-کانژ با پارامترهای ثابت و متغیر مورد مقایسه واقع شدهاند. نتایج این مقاله نشان میدهد که اختلاف دو روش در شیبهای کم بیشتر است و بنابراین در کاربرد روش ماسکینگام-کانژ در شیبهای کم باید احتیاط نمود. انجام تحلیل حساسیت روی پارامترهای مدل دینامیکی نشان میدهد که مهمترین عوامل مؤثر روی دبی اوج هیدروگراف خروجی به ترتیب شامل دبی اوج هیدروگراف ورودی، ضریب زبری و شیب بستر کانال میباشند. همچنین پارامترهای مهم مؤثر بر زمان وقوع دبی اوج هیدروگراف خروجی به ترتیب شامل طول کانال و ضریب زبری هستند.
https://www.iwrr.ir/article_16001_1a1581f99e92b75ef1ada515966b33dc.pdf
2010-05-22
26
37
جریان غیردائمی
معادلات سنت- ونان
مدل پریسمن
روش ماسکینگام-کانژ
محمود
فتوحی
mahmood_fotuhi@yahoo.com
1
دانشجوی دکتری / عمران-آب، دانشکده مهندسی، دانشگاه فردوسی مشهد، ایران.
AUTHOR
محمود
فغفور مغربی
maghrebi@ferdowsi.um.ac.ir
2
دانشیار / گروه عمران، دانشکده مهندسی، دانشگاه فردوسی مشهد، ایران
LEAD_AUTHOR
Akan S. (2006). Open Channel Hydraulics, ButterWorth, Heinemann, Elsevier Ltd., Oxford, Burlington, MA01803.
1
Chow V.T., Maidment D.R. and Mays L.W. (1988). Applied Hydrology, McGraw-Hill International Editions.
2
Julien P.Y. (2002). River Mechanics, Cambridge University Press, The Edinburgh Building, Cambridge CB2 2RU, UK.
3
Merkel W.H. (2002). "Muskingum-Cunge flood routing procedure in NRCS Hydrologic Models", Presented at the second Federal Intragency Hydrologic Modeling Conference.
4
Nourani, V. and Mano, A. (2007). "Semi-distributed flood runoff model at the sub continental scale for SouthWestern Iran", Hydrological Processes, Vol. 21, pp. 3173-3180.
5
Ponce, V.M. and Theurer, F.D. (1982). "Accuracy criteria in diffusion routing", Journal of the Hydraulic Division, ASCE, Vol. 108, pp. 747-757.
6
Ponce, V.M. and Yevjevich, V. (1978). "Muskingum-cunge method with variable parameters", Journal of the Hydraulic Division, ASCE, Vol. 104 (HY12), pp. 1663-1667.
7
Singh V.P. (1988). Hydrologic Systems: Rainfall-Runoff Modelling, Prentice Hall, Englewood Cliffs, New Jersey.
8
Szel S. and Gaspar C. (2000). "On the negative weighting factors in the muskingum-cunge scheme", Journal of Hydraulic Research, Vol. 38 (4), pp. 299-306.
9
Tang X.N., Knight D.W. and Samuels P.G. (1999). "Volume conservation in variable parameter muskingum-cunge method", Journal of Hydraulic Engineering, Vol. 125 (6), pp. 610-620.
10
Tewolde M.H. and Smithers J.C. (2006). "Flood routing in unguagrd catchments using muskingum methods", Available on website http://www.wrc. org.za.
11
ORIGINAL_ARTICLE
خوشه بندی مکانی شبکه های آبیاری با استفاده از روش کلاسیک K-Means (مطالعه موردی شبکه آبیاری قزوین)
بهبود عملکرد شبکههای آبیاری از راهکارهای اساسی صرفهجویی در منابع آبی میباشد. اولین گام برای بهبود عملکرد شبکهها، ارزیابی وضع موجود و سپس ارائه راهکار جهت رفع مشکلات میباشد. یک گام موثر و کاربردی در ارزیابی و بهبود عملکرد، استخراج مناطق همگن شبکه کانالها بر اساس خصوصیات فیزیکی و فنی میباشد. هدف اصلی از این تحقیق، پهنهبندی مکانی و کاربرد یک روش کمی جهت استخراج مناطق همگن فیزیکی شبکههای آبیاری و نمایش قابلیت این روش در یک شبکه آبیاری واقعی میباشد. تکنیک مورد استفاده جهت پهنهبندی مکانی، روش خوشهبندی کلاسیک K-Means است. دادههای مورد استفاده به عنوان ورودی مدل خوشهبندی بهصورت یک ماتریس 5×162 بعدی است که همان خصوصیات فیزیکی و فنی کانالهای انتقال شبکه آبیاری قزوین میباشند. بر اساس شاخص صحتسنجی خوشهبندی دیویس- بولدین (DB)، تعداد بهینه خوشهها برابر 10 خوشه بدست آمد. هر کدام از خوشههای بدست آمده معرف یک ناحیه همگن در سطح شبکه میباشد که مدیران شبکه را قادر خواهد ساخت دامنه تصمیمگیریهای خود را از محدوده وسیعی در ابعاد یک شبکه به محدوده کوچکتری در ابعاد چند منطقه همگن محدود کاهش دهند. این امر سبب سهولت مدیریت و ارزیابی و تصمیمگیری در سطح مناطق همگن و نیز صرفهجوئی در زمان و هزینه مدیریت خواهد شد.
https://www.iwrr.ir/article_16056_3d96febce028002c59a100a6fcd21c22.pdf
2010-05-22
38
46
شبکه های آبیاری
خوشهبندی K-Means
پهنه بندی مکانی
محمدجواد
منعم
monem_mj@modares.ac.ir
1
دانشیار/ گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، ایران.
LEAD_AUTHOR
سیدمهدی
هاشمی
hashemy@modares.ac.ir
2
دانشجوی دکتری/گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، ایران.
AUTHOR
حیدریان، س. ا.، فرداد، ح.، منعم، م. ج.، لیاقت، ع.، قاهری، ع. و تشنهلب، م. (1382)، "به کارگیری رویکرد فازی در ارزیابی سیستمهای آبیاری"، مجله تحقیقات مهندسی کشاورزی, 17(4): صص 47-63.
1
خلخالی، م.، منعم، م. ج.، و ابراهیمی ک. (1387)، "تدوین مدل پشتیبانی تصمیم برای ارزیابی و بهبود عملکرد شبکههای آبیاری و زهکشی"، مجله تحقیقات مهندسی کشاورزی، 9 (1): صص 125-140.
2
منعم، م. ج.، علیرضائی، م. ر. و صالحی طالشی، ا. (1381)، "ارزیابى عملکرد بهرهبردارى ازشبکههاى آبیارى به روش تحلیل پوششى دادهها"، مجله علوم و فنون کشاورزی و منابع طبیعی، 6 (4): صص 25-11.
3
Bruscoli, P., Bresci, E. and Preti, F. (2001), “Diagnostic analysis of an irrigation system in the andes region,” Agriculture Engineering International: CIGR Journal, 3(1), pp. 12-26.
4
Burt, C. (2001), Rapid Appraisal Process (RAP) and Benchmarking Explanation and Tools, FAO, Bangkok, 50p.
5
Davies, D. L. and Bouldin, D.W. (1979), “A cluster separation measure”, IEEE Transaction on Pattern Analysis and Machine Intelligence, 1(4), pp. 224-227.
6
Han, J. and Kamber, M. (2006), Data Mining: Concepts and Techniques, Elsevier Inc, San Francisco, 743p.
7
Johnson, R.A. and Wichern, D.W. (1999), Applied multivariate statistical analysis, John wiley & sons. New York, 550p.
8
Kim, D.W., Lee, K.H., and Lee, D. (2004), “On cluster validity index for estimation of the optimal number of fuzzy clusters,” Pattern Recognition, 37 (4), pp. 2009-2025.
9
Malano, H. and Burton, M. (2001), Guidelines for Benchmarking Performance in the Irrigation and Drainage Sector, FAO, IPTRID, Rome, 145p.
10
Malano, H. and Gao, G. (1992), “Ranking and classification of irrigation system performance using fuzzy set theory: case study in Australia and China,” Irrigation and Drainage Systems, 6 (2), pp. 129-148.
11
Oad, R. and Mc Cornick, P.G. (1989), “Methodology for assessing the performance of irrigation agriculture,” ICID Bulletin, 38 (1), pp. 42-53.
12
Theodoridis, S. and Koutroumbas, K. (2003), Pattern Recognition, Elsevier Press, USA, 837p.
13
Valente, J.O. and Pedrycz, W. (2007), Advances in Fuzzy Clustering and Its Applications. John Wiley & Sons Ltd, England, 434p.
14
Van der Heijden, F., Duin, R. P. W., de Ridder, D., and Tax, D. M. J. (2004), Classification, Parameter Estimation and State Estimation. John wiley & sons Ltd, England, 423p.
15
ORIGINAL_ARTICLE
اثرات تغییر اقلیم بر بیلان آبی دریاچه ارومیه
دریاچه ارومیه یکی از بزرگترین و مهمترین اکوسیستمهای آبی در ایران میباشد. با توجه به افزایش دما، تغییرات زیاد در بارندگی و همچنین وقوع خشکسالی در سطح حوضه، تراز آب دریاچه دچار تغییرات زیادی شده است. در این تحقیق تغییرات تراز سطح دریاچه ارومیه ناشی از تغییر اقلیم براساس مدلHadCM3 از سری مدلهای گردش عمومی جو (GCM) تحت سناریوهای گازهای گلخانهای (B2 و A2) با استفاده از شبکههای نرو فازی (ANFIS) برای دوره 2100-2000 شبیه سازی شده است. ورودیهای ماهانهمدل شبیه سازی شامل بارش بر سطح دریاچه، توسط دمای حوضه آبریز و دبی ورودی به دریاچه میباشد. اثرات تغییر اقلیم بر تراز آتی دریاچه ارومیه براساس پیشبینی مدل HadCM3 تحت سناریوی A2 حاکی از افزایش میانگین سالانه دما و کاهش میانگین سالانه تراز سطح دریاچه به ترتیب به اندازه 80/2 درجه سانتیگراد و 60/4 متر میباشد. همچنین سناریوی B2 حاکی از افزایش میانگین سالانه دما و کاهش میانگین سالانه تراز سطح دریاچه به ترتیب به اندازه 35/2 درجه سانتیگراد و 93/3 متر میباشد. با مقایسه سناریوهای A2و B2 مشاهده گردید که سناریوی A2 حالت بحرانیتری را برای شرایط آتی دریاچه ارومیه پیشبینی میکند و دریاچه تحت سناریوی A2تا سال 2100 خشک میشود.
https://www.iwrr.ir/article_16057_55b0fa0e4d784b69087859d6fffb475c.pdf
2010-05-22
47
58
تغییر اقلیم
مدلهای گردش عمومی
شبکه نرو فازی
دریاچه ارومیه
حمید
مهسافر
hamidm_engineer@yahoo.com
1
فارغالتحصیل کارشناسی ارشد/ مهندسی آب، دانشکده عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران.
LEAD_AUTHOR
رضا
مکنون
maknoon@aut.ac.ir
2
استادیار/دانشکده عمران و محیط زیست ،دانشگاه صنعتی امیرکبیر، تهران، ایران.
AUTHOR
بهرام
ثقفیان
b.saghafian@gmail.com
3
دانشیار/ پژوهشکده حفاظت خاک و آبخیزداری، تهران، ایران.
AUTHOR
دلاور، م. (1384)، "تحلیل و ارائه مدل نوسانات تراز آب دریاچه ارومیه و آنالیز ریسک مناطق ساحلی"، پایاننامه کارشناسی ارشد، دانشگاه تربیت مدرس، تهران، ایران.
1
شعبانی نیا، ف. و سعیدنیا، س. (1386)، "مقدمه ای بر منطق فازی با استفاده از MATLAB"، انتشارات خانیران، تهران.
2
عراقی نژاد، ش. و کارآموز، م. (1384)، "پیش بینی بلند مدت رواناب با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج فازی"، تحقیقات منابع آب ایران، شماره 2.
3
مساح بوانی، ع. و مرید، س.(1384) ، "اثرات تغییر اقلیم بر منابع آب و تولید محصولات کشاورزی" مطالعه موردی حوضه زاینده رود اصفهان، مجموعه مقالات علوم و فنون کشاورزی، سال نهم، شماره چهارم.
4
مهسافر، ح. (1387)، "بررسی اثرات تغییر اقلیم بر بیلان آبی در یاچه ارومیه"، پایاننامه کارشناسی ارشد، دانشگاه صنعتی امیرکبیر، تهران، ایران.
5
Ahrens, B. (2006), “Distance in spatial interpolation of daily rain gauge data”, Journal of Hydrology. Sci, 10, pp. 197–208.
6
Alcamo, J. P., Doll, F. K. and Siebert, S. (1997), “Global change and global scenarios of water use and availability”, An application of Water GAP 1.0 Report A9701. Center for Environmental Systems Research, University of Kassel, Germany.
7
Atsushi, U., Masaki, T. and Yoshio, I. (2004), “Lake level change during the past 100,000 years at lake Baikal, Southern Sibria”, Quater. Reserch, 62, pp. 214-222.
8
Ayenew, T. (2004), “Environmental implications of changes in the levels of lakes in the Ethiopian Rift since 1970”, Reg. Environ. Change, Springer-Verlag, pp. 192-204.
9
Eitzinger, J., Kubu, G. and Formayer, H. (2004), “Impact of climate change on the water level of a shallow lake in eastern Austria”, Institute of Meteorology, University of Natural Resources and Applied Life Sciences (BOKU),Vienna, Austria.
10
Flato, G. and Boer, G. (2001), “Warming asymmetry in climate change simulations”, Journal of Geophys Research. Lett, 28, pp. 195–198.
11
Gleick, P. (1987), “The Development and Testing of a Water Balance Model for Climate Impact Assessment: Modeling the Sacramento Basin”, Water Resources Research, 23(6), pp. 1049–1061.
12
Gunn Persson, L., Graham, P., and Andereasson, J. (2005), “Impact of climate change effects on sea-level rise in combination with an altered river flow in the Lake Malar Region”, Swedish Meteorological and Hydrological Institute, SE 601 76Norrkoping, Sweden.
13
Harrison, S.P. (1989), “Lake level and climate changes in eastern North America”, Climate Dynamic, pp. 157-167.
14
Hewitson B.C., and Crane, R. (2006), “Consensus between GCM climate change projections with empirical downscaling: precipitation downscaling over South Africa”, Journal of Climatology, 26 (10) pp. 1315–1337.
15
Jang, J. S. R. (1993), “ANFIS: Adaptive-network-based fuzzy inference system”, IEEE Trans. Syst., Man, Cybern, 23(3), pp. 665–684.
16
Mistry, V.V., and Conway, D. (2003), “Remote forcing of East African rainfall and relationships with fluctuations in levels of Lake Victoria”, Journal of Climatology, 23, pp. 67-89.
17
IPCC-TGCIA. (1999), “Guidelines on the Use of Scenario Data for Climate Impact and Adaptation Assessment”, Intergovernmental Panel on Climate.
18
IPCC. (2001), Climate Change, the Scientific Basis. Contribution of Working Group I to the Third Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, U.K., 881 p.
19
IPCC. (2007), “Fourth assessment report climate change”, Paris, http: //www.IPCC.ch.
20
Wilby, R., Charles, S., Zorita, E., Timbal. B., Whetton, P., and Mearns, L.O. (2004), “Guidelines for Use of Climate Scenarios Developed from Statistical Downscaling Methods”, Technical report, Data Distribution Centre of the IPCC.
21
ORIGINAL_ARTICLE
تعیین ضریب پراکندگی طولی آلودگی در رودخانه ها
طبق مطالعات چند دهه اخیر، فعالیتهای کشاورزی و صنعتی منجر به آلودگی قابل ملاحظه در رودخانهها میگردد. برای کنترل آلودگی در جریانهای روباز، رهاسازی آلایندهها باید به صورت منطقی و تنظیم شده انجام شود. این موضوع نیازمند اطلاع دقیق از توانایی حمل، پخش و پاکسازی آلودگی توسط جریان آب در طول مشخصی از مسیر خود (طول اختلاط کامل) است. آلایندهها در جهات طولی، عرضی و عمقی تحت تأثیر فرآیندهای انتقال و اختلاط منتشر میشوند. انتقال طولی آلایندهها یکی از مراحل مهم در پروسه رقیقسازی آلایندهها میباشد که شناخت آن از اهمیت ویژهای برخوردار است. در این مطالعه رابطهای جامع در برگیرنده پارامترهای مؤثر بر ضریب اختلاط طولی با استفاده از آنالیز ابعادی ارائه شده است. به منظور بررسی میزان تأثیر هر یک از پارامترهای مؤثر از نرمافزار آماری SPSS استفاده گردید. نتایج نشان داد پارامترهای مؤثر بر ضریب اختلاط طولی، ضریب زبری و نسبت عرض به عمق میباشند. از آنالیز حساسیت صورت گرفته مشخص شد تأثیر ضریب زبری بر ضریب اختلاط طولی بیشتر میباشد. روش ارائه شده در این تحقیق رهیافت جدیدی در تخمین ضریب پراکندگی طولی آلودگی در رودخانهها محسوب شده و قابلیت ترکیب با مدلهای ریاضی انتقال آلودگی را دارا میباشد
https://www.iwrr.ir/article_16058_af020b7e76b26787129f87f8aa923967.pdf
2010-05-22
59
66
انتقال آلودگی
ضریب پراکندگی طولی
آنالیز ابعادی
الهام
ایزدینیا
eizadinia@yahoo.com
1
دانشجوی دکترای/ گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، کدپستی، اصفهان. ایران
AUTHOR
جهانگیر
عابدی کوپائی
koupai@cc.iut.ac.ir
2
دانشیار /گروه مهندسی آب، دانشکده کشاورزی، دانشگاه صنعتی اصفهان، اصفهان. ایران.
LEAD_AUTHOR
پورآبادهای، م.، تکلدانی، م.، ا. م.، و لیاقت، ع. (1382). " بررسی تأثیر پارامترهای جریان بر ضریب پخش آلودگی در کانال مستطیلی." مجموعه مقالات ششمین کنفرانس هیدرولیک ایران، شهرکرد، شهریورماه 1386، صص 29-38.
1
ریاحی مدوار، ح.، و ایوبزاده، ع. (1387). " تخمین ضریب پراکندگی طولی آلودگی با استفاده از سیستم استنتاج فازی-عصبی انطباقی." مجله آب و فاضلاب، ش.67.
2
عابدی کوپایی، ج.، نصری، ز. و مامن پوش، ع. (1386). بررسی کیفیت شیمیایی آب رودخانه زاینده رود. لوح فشرده مجموعه مقالات ششمین کنفرانس هیدرولیک ایران، کد 508، دانشگاه شهرکرد. 13 تا 15شهریور، صص 142-131.
3
Ahsan, N. (2008), “Estimating the coefficient of dispersion for a natural stream’’, World Academy of Science, Engineering and Technology 44, pp. 131-135.
4
Chanson, Hubert. (2004), “Environmental Hydraulics of Open Channel Flow”, Chapter 8, Elsevier, Butterworth-Heinemann, London.
5
Deng, Z. Q., Singh, V.P. and L. Bengtsson. (2001), “Longitudinal dispersion coefficient in straight river”, J. Hydraul. Eng. ASCE. 127, pp. 919-927.
6
Deng, Z. Q., Bengtsson, L., Singh V.P. and Adrian, D.D. (2002), “Longitudinal dispersion coefficient in single-channel streams”, J. Hydraul. Eng. ASCE. 128, pp. 901-916.
7
Elder, J. W. (1959), “The Dispersion of marked fluid in turbulent shear flow’’, J. Fluid Mechanics, 5, pp. 544-560,
8
Fischer, H.B., List, E.J., Koh, R.C.Y., Imberger, J. and Brooks. N.H. (1979), “Mixing in Inland and Coastal Waters”, Academic Press, N.Y.
9
Fischer HB. (1968), “Dispersion predictions in natural streams”. J Sanit Eng ASCE 94, pp. 927–43.
10
Gonzalez, J., Rojas, I., Poamares, H. and Orteag, J. (2002), A New clustering technique for function approximation, IEEE Transactions on Neural Networks. 13, pp. 132-142.
11
Kashefipour, S. M. and Falconer, R. A. (2002), “Longitudinal dispersion coefficients in natural channels’’, Water Research 36, pp. 1596–1608,
12
McQuiveyRS, Keefer TN. (1974), “Simple method for predicting dispersion in streams’’, J Environ Eng ASCE 100, pp. 997–1011.
13
Riahi-Madvar H., Ayyoubzadeh S. A., Khadangi E. and Ebadzadeh M.M. (2009), “An expert system for predicting longitudinal dispersion coefficient in natural streams by using ANFIS’’, Expert Systems with Applications36, pp. 8589–8596.
14
Rutherford, J.C. (1994), “River Mixing”, John Wiley, Chichester, U.K., pp. 102-200.
15
Seo, I.W. and Cheong, T. S. (1998), “Predicting longitudinal dispersion coefficient in natural streams”, J. Hydraul. Eng. ASCE. 124, pp. 25-32.
16
Seo I.W. and Oh Beak, K. (2004), “Estimation of the longitudinal dispersion coefficient using the velocity profile in natural streams’’, J. Hydraul. Eng. ASCE. 130, pp. 227-236.
17
Taylor G. and Singh, V. P. (2005), “Predicting longitudinal dispersion coefficient in natural stream by artificial neural network”, J. Hydraul. Eng. ASCE. 131, pp. 991-1000.
18
Taylor G. (1954), “The dispersion of matter in turbulent flow through a pipe’’, Proc R Soc London A223, pp. 446–68.
19
ORIGINAL_ARTICLE
مکانیابی محلهای مناسب دفن مواد زاید جامد شهری شهر اصفهان با در نظر گرفتن اهمیت منابع آب و اولویتبندی آنها با استفاده از فرایند تحلیل شبکهای
انتخاب محل مناسب جهت دفن مواد زاید جامد میتواند از اثرات نامطلوب اکولوژیکی و اجتماعی- اقتصادی جلوگیری کند. توسعه روز افزون شهر اصفهان همزمان با رشد فرایند صنعتی و اقتصادی آن و افزایش بسیار سریع جمعیت و استانداردهای زندگی، باعث ایجاد تغییر در ترکیب زباله تولیدی و افزایش میزان آن گردیده است. با توجه به پر شدن گنجایش محل دفن فعلی و گسترش شهر به طرف این مرکز و نزدیک شدن مناطق مسکونی به آن، انجام مطالعات علمی و اصولی جهت انتخاب مکانهای مناسب دفن مواد زاید جامد الزامی است. مکانیابی محل دفن نیازمند تجزیه و تحلیل دادههای مکانی، قوانین و معیارهای قابل قبول است. در این تحقیق جهت تعیین محلهای مناسب دفن از روش ارزیابی چند معیاره با تکیه بر تکنیک GIS استفاده شد. سپس به منظور اولویتبندی محلهای پیشنهادی دفن از روش فرایند تحلیل شبکهای (ANP) بهره گرفته شد. روشANP به منظور اصلاح روش AHP و بر اساس تکنیک سوپر ماتریسها ارائه گردیده است. این روش قادر است برای مسائل پیچیده با ساختار غیر ردهای به کار رود و از مزایای عمده آن امکان در نظر گرفتن ارتباط متقابل سطوح مختلف تصمیم نسبت به هم و همچنین ارتباط داخلی معیارهای تصمیم در یک سطح میباشد. در این مطالعه پس از بررسی معیارهای مؤثر در مکان یابی و تعیین محلهای پیشنهادی دفن زباله، تغییرات و اهمیت نسبی عوامل ذکر شده بر اساس محلهای پیشنهادی نیز به طور جداگانه مد نظر قرار گرفت که عملاً در روشهای مرسوم تصمیم گیری از جمله AHP نادیده گرفته شده است. نتایج اهمیت قابل توجه منابع آب را گوشزد کرده و در اولویت بندی محلهای پیشنهادی دفن زباله محل موقعیت بهینه را انتخاب نمودهاند.
https://www.iwrr.ir/article_16059_f76ffdc5c03a6bd7bc1d863fa48552be.pdf
2010-05-22
67
76
مکان یابی محل دفن
مواد زاید جامد
GIS
AHP
ANP
سوپر ماتریس
مقایسات زوجی
افسانه
افضلی
afzali_afsaneh@yahoo.com
1
دانشجوی کارشناسی ارشد/ گروه محیط زیست دانشگاه صنعتی اصفهان
AUTHOR
جمال
محمدولی سامانی
samani_j@modares.ac.ir
2
استاد/گروه سازه های آبی دانشگاه تربیت مدرس
LEAD_AUTHOR
عبدلی، م.ع. (1379)، "مدیریتدفعوبازیافتموادزائدجامدشهریدرایران"، انتشارات سازمان شهرداریهای کشور.
1
یغمائیان، ک. (1382)، "تجزیه مواد"، مدیریت پسماند، 1، صص. 4-10.
2
Aragones, P., Aznar, J., Ferries, J. and Garica, M., (2006), "Valuation of urban industrial land: an analytical network process approach", European journal of operation research, Vol.185, pp. 322-339.
3
Chang, N.B., Parvathinathan, G. and Breeden, J.B., (2008), "Combining GIS with fuzzy multicriteria decision-making for landfill siting in a fast-growing urban region", Journal of Environmental Management, Vol. 87, pp. 139-153.
4
Cheng, S., Chan, C.W. and Huang, G.H., (2003), An integrated multi-criteria decision analysis and inexact mixed integer linear programming approach for solid waste management", Engineering Applications of Artificial Intelligence, Vol. 16, pp. 543-554.
5
Delgado, O.B., Mendoza, M. and Granados, E.L., (2008), "Analysis of land suitability for the siting of inter-municipal landfills in the Cuitzeo Lake Basin, Mexico", Waste Management, Vol. 28, pp. 1137-1146.
6
Erdogmus, S., Aras, H. and Koc, E., (2006), "Evaluation of alternative fuels for residential heating in Turkey using analytic network process with group decision making", Renewable and Sustainable Energy Reviews, Vol. 10, No. 3, pp. 269-279.
7
Gemitzi, A., Tsihrintzis, V.A., Voudrias, E., Petalas, C. and Stravodimos, G., (2007), "Combining geographic information system, multicriteria evaluation techniques and fuzzy logic in siting MSW landfills", Environ Geol, Vol. 51, pp. 797-811.
8
Khan, S. and Faisal, M.N., (2007), "An analytic network process model for municipal solid waste disposal options" Waste Management, Vol. 28, pp. 1500-1508.
9
Kontos, T.D., Komilis, D.P. and Halvadakis, C.P., (2005), "Siting MSW landfills with a spatial multiple criteria analysis methodology", Waste Management, Vol. 25, pp. 818-832.
10
Malczewski, J., (1999), GIS and Multi Criteria Decision Analysis, John Wiley & Sons Inc.
11
Saaty, T.L., (1999), "Fundamentals of the analytic network process", ISAHP, Kobe, Japan, August. pp. 12-14.
12
Saaty, T.L. and Vargas, L.G., (2006), "Decision Making with the Analytic Network Process", Springer Science, New York. USA.
13
Sener, B., Suzen, M.L. and Doyuran, V., (2006), "Landfill site selection by using geographic information systems", Environ Geol, Vol. 49. pp. 376-388.
14
Siddiqui, M., Everett, J.W. and Vieux, B.E., (1996), "Landfill Siting Using Geographic Information Systems: A Demonstration", Journal of Environmental Engineering, Vol. 122, No 6, pp. 515-523.
15
Sumathi, V.R., Natesan. U. and Sarkar, C., (2007), "GIS-based approach for optimized siting of municipal solid waste landfill", Waste Management, Vol. 28, pp. 2146-2160.
16
Williams, P.T., (2005), Waste treatment and disposal, Second edition, Wiley.
17
18
ORIGINAL_ARTICLE
ارزیابی اثرات زیستمحیطی تخلیه سفره آب زیرزمینی دشت جیرفت و پیشبینی شرایط در آینده
هدف اصلی این تحقیق شناخت و ارزیابی اثرات زیست محیطی تخلیه سفره آب زیرزمینی دشت جیرفت طی چند سال اخیر و پیشبینی شرایط در آینده است. بدین منظور کلیه اطلاعات هواشناسی، هیدرولوژیکی، هیدروژئولوژیکی، زمینشناسی و جغرافیایی جمعآوری و مورد تجزیه و تحلیل قرار گرفته است. نقشههای کیفیت شیمیایی و همعمق سطح آب زیرزمینی منطقه به کمک نرم افزار ArcGIS رسم و پس از آن اضافهبرداشت، افت سطح ایستابی، کسری مخزن و تغییرات شوری آب زیرزمینی در قسمتهای مختلف دشت محاسبه شده است. در ادامه این تحقیق، با استفاده از اطلاعات چند سال اخیر مربوط به تغییرات کمّی و کیفی آبهای زیرزمینی و با فرض ادامه روند کنونی تغذیه و تخلیه سفره، وضعیت 10 سال آینده نیز مورد پیشبینی قرار گرفته است. نتایج تحقیقات نشان میدهد پمپاژ بیش از حد از سفره آب زیرزمینی، پیامدهای زیستمحیطی فراوانی همچون تغییر کیفیت آب زیرزمینی، افزایش مصرف انرژی استحصال آب زیرزمینی، افزایش آسیبپذیری دشت نسبت به خشکسالی، نشست زمین و ایجاد درز و شکاف در سطح زمین و ابنیه و... را به دنبال داشته است. بنابراین چنانچه اقدام جدی و مؤثری در این زمینه صورت نگیرد، این دشت در آینده نه تنها با تشدید پیامدهای زیست محیطی، بلکه با مشکلات اقتصادی و اجتماعی نیز مواجه خواهد شد.
https://www.iwrr.ir/article_16060_b969f2624807d0d962a70721c804e2a9.pdf
2010-05-22
77
81
تخلیه سفره آب زیرزمینی
افت سطح آب
دشت جیرفت
اثرات زیستمحیطی
علیرضا
شاهی دشت
ali.shahidasht@yahoo.com
1
کارشناس ارشد/ زمین شناسی زیست محیطی
LEAD_AUTHOR
احمد
عباسنژاد
aabbas@mail.uk.ac.ir
2
استادیار / گروه زمینشناسی دانشگاه شهید باهنر کرمان
AUTHOR
اداره کل هواشناسی کرمان (1384)، آمار هواشناسی ایستگاههای سینوپتیک استان کرمان.
1
امور مطالعات منابع آب جیرفت (1381)، گزارش ادامه مطالعات دشت جیرفت ، 106 ص.
2
امور مطالعات منابع آب جیرفت (1386)، گزارش ادامه مطالعات دشت جیرفت ، 80 ص.
3
سازمان جغرافیایی وزارت دفاع و پشتیبانی نیروهای مسلح (1382)، فرهنگ جغرافیایی آبادیهای استان کرمان، شهرستان جیرفت، 155 ص.
4
شرکت سهامی آب منطقه ای کرمان (1387)، معاونت مطالعات پایه منابع آب، سیمای آب استان، 315ص.
5
مهندسین مشاور یکم (1387)، طرح مطالعات زیست محیطی، منابع و مصارف حوضه غرب جازموریان با رویکردی سیستمی و جامعنگر، مطالعات آب زیرزمینی، جلد 3 -5: مطالعات آب زیرزمینی هلیل میانی، ص 89 - 117.
6
ORIGINAL_ARTICLE
ارزیابی توانایی شبکههای مختلف عصبی مصنوعی در پیش بینی تراز آب زیرزمینی در آبخوان محدوده سعادت شهر فارس
شبیهسازی سیستم آبهای زیرزمینی به دلیل پیچیدگیهای موجود در طبیعت این سیستمها، به آسانی میسر نیست. این درحالیست که شبکههای عصبی مصنوعی به عنوان مدل جعبه سیاه با تواناییهای بالایی که دارند برای مدلسازی سیستمهای پیچیده و غیرخطی بسیار مناسب میباشند. لذا، با توجه به مشکلات فراوان مدلسازی آبخوانها با مدلهای ریاضی، شبکههای عصبی مصنوعی برای پیش بینی سطح ایستابی در آبخوانها توسط محققین بکار رفتهاند. هدف از انجام این تحقیق ارزیابی توانایی شبکههای عصبی مختلف در پیشبینی تراز آبهای زیرزمینی در محدوده سعادت شهر در استان فارس میباشد. از نظر توانایی شبکههای مختلف مورد استفاده، شبکههای عصبی مصنوعی پیشرو با الگوریتم لونبرگ-مارکوارت بهتریـن نتـایج را ارائه داد. این سـاختار توانست پیشبینی ماهانهای از سطح ایستابی آبهای زیرزمینی در بازه زمانی دو ساله (از سال 1383 تا سال 1385) با حداقل ریشه مربع متوسط خطا 04/2 متر و 27/2 متر برای مراحل آموزش و آزمایش ارائه نماید.
https://www.iwrr.ir/article_16061_808dea423d0803fb34108f631404c74d.pdf
2010-05-22
82
86
پیش بینی تراز آبهای زیرزمینی
شبکههای عصبی مصنوعی
آبخوان محدوده سعادت شهر
محمدرضا
نیکمنش
nikmanesh@iaua.ac.ir
1
عضو هیأت علمی /گروه عمران، دانشگاه آزاد اسلامی واحد ارسنجان
AUTHOR
غلامرضا
رخشندهرو
rakhshan@shirazu.ac.ir
2
دانشیار/ بخش مهندسی راه و ساختمان ، دانشکده مهندسی، دانشگاه شیراز
LEAD_AUTHOR
نورانی، و. اصغری مقدم، ا. و ندیری، ع.،(1385)،" ارزیابی سطح آبهای زیرزمینی در آبخوان محدوده شهر تبریز با شبکههای عصبی مصنوعی"، سومین کنگره مهندسی عمران، تبریز.
1
گزارش مطالعات آبهای زیرزمینی دشت سعادت شهر، (1387) شرکت مهندسین مشاور فارساب صنعت، شیراز.
2
Affandi, A.K. and Watanabe, K., (2007), "Daily groundwater level fluctuation forecasting using soft computer technique," Nature and Science, 5(2), pp.1-10.
3
Coulibaly, P., Anctil, F., Aravena, R., and Bobee, B., (2001)," Artificial neural network modeling of water table depth fluctuation," Water Resour. Res., 37, pp.885-896.
4
Daliakopoulos, N. I., Coulibaly, P., and Tsanis, I. K., (2005), "Ground water level forecasting using artificial neural networks," J. Hydrol., 309,pp. 229-240.
5