unavailable
unavailable
پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدلسازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینههای فراوانی انجام میگیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه میباشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدلهای منطق فازی، شبکه عصبی مصنوعی و نوروفازی برای برآورد قابلیت انتقال استفاده شد. سپس با توجه به پیچیدگی سیستمهای هیدروژئولوژیکی، در این مطالعه روش ترکیبی از مدلهای هوش مصنوعی پیشنهاد شده است که مدل هوش مصنوعی مرکب (Committee machine (CM)) خوانده میشود. با توجه به این که هر یک از مدلهای فازی، شبکه عصبی مصنوعی و نوروفازی تواناییهایی در برآورد پارامترهای هیدروژئولوژیکی نشان دادهاند، لذا در این روش ترکیبی از این مدلها برای پیشبینی قابلیت انتقال استفاده شده است. به طوری که خروجی هر مدل با وزن بهینه شده بوسیله روش الگوریتم بهینهسازی جامعه ذرات، به خروجی مدل ترکیبی ارائه شده انجامید. در این مطالعه از متغیرهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال مانند مقاومت عرضی (Rt)، هدایت الکتریکی (EC) و ضخامت آبخوان(B) و همچنین موقعیت جغرافیایی به عنوان ورودی برای برآورد قابلیت انتقال استفاده شد. بر اساس نتایج بدست آمده مدل ترکیبی پیشنهاد شده نسبت به هریک از مدلهای فازی، شبکه عصبی مصنوعی و نوروفازی نتایج بهتری نشان دادند.
در این تحقیق میزان تبخیر سالانه و ماهانه از دریاچه سد ساوه (الغدیر) توسط تعدادی از روشها از قبیل روش بیلان آبی و استفاده از تشتک تبخیر، روابط تجربی، روابط نوع Penman، روش بیلان انرژی (BREB) و مدل CRLE به مدت 13 سال (1386-1374) برآورد گردیده است. مقادیر تبخیر سالانه روشهای مختلف مورد استفاده از مقدار حداقل 145 سانتیمتر برای روش Debruin-Keijman تا مقدار حداکثر 175 سانتیمتر برای روش CRLE آبهای کم عمق متغیر میباشد. همچنین، الگو و تفاوت میانگین بلندمدت (13 ساله) ماهانه تبخیر حاصل از هر یک از روشهای مورد استفاده در این تحقیق با نتایج روش بیلان انرژی به عنوان روش استاندارد متفاوت میباشد. روشهایی از قبیل روش Mass transfer ،Debruin، Penman، Makkink، Papadakis و Priestley-Taylor دارای میانگین مقدار ماهانه تبخیر تقریباً برابر با روش BREB می باشند، ولی در این میان انحراف معیار روشهای Penman، Mass transfer و Priestley-Taylor بسیار کوچک میباشد و روشهای ذکر شده دیگر دارای انحراف معیار نسبتاً زیادی هستند. همچنین، علاوه بر مدل CRLE که صلاحیت آن برای محاسبه تبخیر از مخزن سد ساوه رد شد، روشهای Thornthwaite، Hamon و Ryan-Harleman نیز دارای انحراف زیادی نسبت به روش استاندارد مورد استفاده میباشند.
بررسی پدیدههای رواناب و نفوذ در مناطق کارستی از اهمیت ویژهای برخوردار است. این فرآیندها در مناطق کارستی با سایر پوششها تفاوت دارند. به دلیل تنوع و تغییرات عوامل مؤثر بر نفوذ و رواناب در مناطق کارستی نمیتوان رابطه مشخصی را برای این فرآیندها تعیین کرد. در این تحقیق بررسی و برآورد میزان ضریب رواناب و نفوذ در منطقه کارستی دلی بجک سپیدار واقع در استان کهگیلویه و بویراحمد در دو مقیاس حوضه و پلات صورت گرفته است. بدین منظور اندازهگیری مؤلفههای بارش (در سه ایستگاه بارانسنجی) و رواناب در سطح حوضه به طور مداوم طی سالهای آبی 88-1387 و 89-1388 انجام و بر اساس آن ضریب رواناب برآورد گردید. همچنین در مقیاس پلات با استفاده از بارانساز مصنوعی در 25 آزمایش این مؤلفهها بر روی پوشش خاکی و سنگی منطقه مورد بررسی قرار گرفتند. بررسی بارش و رواناب در این حوضه نشان داد که منطقه مورد مطالعه از ظرفیت نفوذ بالایی برخوردار است به نحوی که در بارشهای 133، 130 و 95 میلیمتری در سطح حوضه، به ترتیب ضرایب روانابی معادل 5/1، 54/0 و 45/0 درصد به دست آمده است. آزمایشهای انجام شده به وسیله بارانساز مصنوعی نیز دامنه وسیعی از ضریب رواناب را نشان میدهد، به طوری که از صفر تا 40 درصد تغییر میکند.
انگیزه بنیادین این پژوهش آن است تا روشن سازد همزمانی و هماهنگ شدن فازهای گوناگون پدیدههای نوسانهای مادن جولیان (MJO)1 و نوسانهای جنوبی (ENSO)2 تا چه اندازه در رویداد دورههای پر آب و خشک کشور سایه میافکند. ارزیابیها نشان داد که رخداد همزمان لانینیا با فاز مثبت MJO (La-P) و نیز النینیو با فاز منفی MJO (El-N) دارای بیشترین بسامد میباشند. بنابراین اندازه بارش و بسامد دورانهای خشک و تر برای دورانهای (La-P) و (El-N) با یکدیگر سنجیده شد. یافتههای پژوهش نشان داد که در ماههای فوریه، نوامبر و دسامبر، هنگامی که فاز مثبت پدیده MJO بارخداد لانینیا همزمان گردد، خشکی فراگیری بر کشور چیره میگردد. در برابر، همزمانی فاز منفیMJO با پدیده النینیو، افزایش بارش و دوران پر آبی را در سراسر کشور بهدنبال دارد. این نشان در ایستگاههایی که در پهنه کویری کشور جای دارند چشمگیرتر است. برای نمونه، در ماه فوریه، با چیرگی پدیده النینو و فاز منفی MJO، میانگین بارش ایستگاه ایرانشهر %90 بیشتر از میانگین پایای (دراز مدت) این ایستگاه بوده است. در برابر، همزمانی رخداد پدیده لانینا و فاز مثبت MJO، کاهش 96 درصدی بارش این ایستگاه را در پی داشته است. افزون بر این، برای ایستگاههای پهنههای بیابانی مانند بیرجند، تربت حیدریه، طبس و یزد، هنگامی که فاز مثبت MJO با رخداد لانینیا هم زمان میشود، اندازه بارش ماه آوریل به گونهای معنیدار کمتر از زمانی است که فاز منفیMJO با پدیده النینیو همزمان میگردد. در بسیاری از این ایستگاهها همزمان شدن پدیده النینو و فاز منفیMJO افزایش تا 105 درصدی بارش و چیرگی همزمان پدیده لانینا و فاز مثبت MJO کاهش تا 51 درصدی بارش را به دنبال داشته است.
پیش بینی تغییرات در رویدادهای فرین ناشی از گرمایش جهانی و تغییر اقلیم در ارزیابی اثرات بالقوه تغییر اقلیم بر بخش های مختلف مانند آب، کشاورزی و مدیریت سامانه های جمع آوری آب شهری بسیار مهم است. جهت ارایه دورنمایی از تغییرات آتی رویدادهای فرین به ویژه بارش، خروجیهای سه مدل گردش عمومی جو (HadCM3، NCCCSM و CGCM3T47) تحت سناریوی A1B گزارش چهارم هیات بینالدول تغییر اقلیم توسط مدل LARS-WG برای سه دوره آتی برای ایستگاه مشهد ریز مقیاس شدند. نمایههای بارش فرین شامل R99T، R10mm, CDD ، RX5day ، R20mm, R95T و SDII برای سه دوره محاسبه گردید. نتایج نشان داد که بارش سنگین و ابرسنگین، بیشینه بارش پنج روزه و شدت بارش طی سه دوره افزایش خواهد یافت. همچنین سهم بیشتری از کل بارش سالانه به وقوع بارش های بیش از صدک 95 و 99 دوره پایه تعلق خواهد داشت. افزایش این نمایه ها به معنی افزایش فراوانی وقوع سیل و شدت آن طی قرن بیست و یکم خواهد بود.
برای مدیریت منابع آب در مناطق خشک که اتکای بیشتری به سدها و ذخیرهسازی آبهای سطحی دارند، استفاده از سیستمهای زود هنگام هشدار خشکسالی (Drought Early Warning System) با معرفهای هیدرولوژیکی، میتواند برای آمادگی بیشتر و جلوگیری از کاهش شدید ذخایر آبی تا حد زیادی مفید واقع شود. در تحقیق حاضر چنین سیستمی با تکیه بر مؤلفههای موثر در مدیریت سدهای مخزنی توسعه یافته است. سیستم زود هنگام هشدار خشکسالی توسعه داده شده شامل پنج زیر مدل اصلی: 1) پایش خشکسالی 2) اندازهگیری و پایش کمبود آب در آینده همراه با تحلیل عدم قطعیت 3) محاسبه یک شاخص هشدار برای اعلام هشدارهای لازم 4) تحلیل ریسک و عدم قطعیت و 5) ارائه راهکارهای مناسب جهت کاهش کمبود آب میباشد که برای سد زاینده رود ارایه شده است. در طراحی این سیستم ابتدا مصارف برای یک دوره 6 ماهه با در نظر گرفتن عدم قطعیت مربوط به سطوح احتمالاتی مختلف پیشبینی میشود، همچنین براساس اطلاعات تاریخی ذخیره آب مخزن و به روش نگاشت خود سامان یافته (Self Organizing Feature Maps) پایش خشکسالی درپنج دسته (بدون خشکسالی، خشکسالی ضعیف، خشکسالی با شدت کم، خشکسالی شدید و خشکسالی خیلی شدید) انجام میگردد. سپس یک شاخص هشدار خشکسالی (Drought Alert Index-DAI) با توجه به شرایط جاری مخزن سد و کمبود آب در دوره آتی 6 ماهه، ارائه می شود و بر اساس نتایج حاصل از آن، سطوح مختلف هشدار از وضعیت نرمال تا شرایط کم آبی شدید با در نظر گرفتن عدم قطعیتهای مربوطه مشخص میگردد. نهایتاً با بکار بردن یک مدل بهینهسازی غیر خطی با هدف حداکثر سازی درآمد مخزن، سطوح کاهش رهاسازی نسبت به هر یک از مقادیر DAI با استفاده از سناریوهای مختلف بدست میآید. نهایتاً عملکرد این سیستم و نقش آن در کاستن از شدت خشکسالی طی دوره 1380-1377 که خشکسالی شدیدی بر منطقه حاکم بود، بررسی گردید . نتایج نشان داد که سیستم هشدار سریع ارائه شده به خوبی توانست هشدارهای لازم را با دقت 75 درصد ارائه و همچنین مقدار بهینه کاهش رهاسازی از سد را با توجه به سناریوهای مختلف مدیریتی تعیین نماید. لذا این سیستم را میتوان ابزار مناسبی برای مدیریت منابع آب در مناطقی که متکی به آب ذخیره شده در سد میباشند، قلمداد کرد
برای شبیهسازی سریهای زمانی، روشهیا مختلفی ارائه شدهاند که از آن جمله میتوان مدلهای سری زمانی AR، ARMA و ARMAX و روشهای رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روشها در برآورد دادههای مفقود و پیشبینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودیهای استاندارد شدة دمای کمینه و بیشینه، متوسط دما، سرعت باد، رطوبتنسبی و ساعات آفتابی، نسبت به سایر روشها به بهترین نتایج منجر شد و روشهای K-NN و MLR در رتبههای بعدی قرار گرفتند. مشاهده گردید که پس از تحلیل اجزاء اصلی، مدل ARMAX دارای خطای قابل ملاحظهای در برآورد مقادیر مفقود میباشد و روشهای MLR و K-NN در مرحلة واسنجی و روش MLR در مرحلة اعتبارسنجی به بهترین نتایج منجر میشوند. برای پیشبینیهای کوتاه مدت، مدل ARMAX دارای بهترین نتایج بود؛ ولی در پیشبینیهای بلند مدت، روش MLR به بهترین نتایج منجر شد و مدلهای سری زمانی قادر به پیشبینیهای بلندمدت نبودند.
در برخی موارد ممکن است ایستگاه هیدرومتری پاییندست منطقه به دلایلی تخریب شده باشد و دانستن دبی در پاییندست منطقه ضرورت داشته باشد، در این مواقع میتوان با استفاده از اطلاعات موجود و یا دادههای ایستگاههای بالادست، دبی در ایستگاه پاییندست را پیشبینی کرد. در این تحقیق دبی اوج در ایستگاه گلینک واقع در خروجی حوزه آبخیز طالقان با استفاده از شبکه عصبی مصنوعی در دو حالت پیشبینی شده است. در حالت اول از آمار گذشته ایستگاه، شامل دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز و پنج روز قبل، مجموع بارندگی پنج روز و دمای میانگین ماهانه استفاده شد و در حالت دوم آمار فوقالذکر در واحدهای هیدرولوژیک گتهده، مهران، علیزان و جوستان و همچنین پارامترهای فیزیوگرافی مساحت، ارتفاع متوسط، طول آبراهه اصلی و شیب متوسط نیز به مدل افزوده شدند. نوع شبکه مورد استفاده شبکه عصبی پیشخور دو لایه با الگوریتم پسانتشار بود که دادهها طی سه مرحله آموزش، اعتبارسنجی و تست گردیدند. نتایج حاکی از آن است که پیشبینی دبی اوج با استفاده از ایستگاههای بالادست و پارامترهای فیزیوگرافی بهتر از پیشبینی دبی با استفاده از اطلاعات سالهای قبل در پاییندست ایستگاه میباشد.