پیش بینی رسوب معلق با استفاده از داده های هیدرولوژیک و هیدروژئومورفیک در مدل های هوشمند

Authors

  • ری سایدل استاد علوم زمین و محیط زیست، دانشگاه آسیای میانه، تاجیکستان
  • هانیه اسدی دانشجوی دکترای گروه مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
  • کاکا شاهدی دانشیارگروه مهندسی آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
Abstract:

برآورد دقیق مقدار رسوبات حمل شده توسط رودخانه ها، در مدیریت منابع آب از اهمیت بسیاری برخوردار است. بنابراین شناسایی و پیشنهاد مدلهای مناسب جهت برآورد رسوب معلق از اهداف مهم تلقی میشود که استفاده از روش نوین مدلهای هوشمند از جمله شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در این زمینه تحول عظیمی وجود آورده است. یک گام مهم در مدلسازی رسوب معلق با استفاده از این مدلها، انتخاب ورودیهای مناسب میباشد، زیرا ساختار و نتایج مدل را تحت تاثیر قرار میدهند. با توجه به اینکه در اکثر مطالعات در زمینه برآورد رسوب معلق با استفاده از مدلهای داده محور، تنها از متغیرهای اقلیمی و هیدرولوژیکی به عنوان متغیرهای تخمینگر استفاده گردیده است. بنابراین پژوهش حاضر به منظور تعیین متغیرهای ژئومورفولوژیکی اثرگذار و قابل دسترس در تخمین رسوب معلق در حوضه آبخیز تمر طراحی گردید. برای دستیابی به این هدف، نقش شاخص اتصال رسوبی به عنوان یک ورودی هیدروژئومورفیک علاوه بر ورودیهای هیدرولوژیکی با استفاده از مدلهای مذکور در تخمین رسوب معلق مورد ارزیابی قرار گرفت. مقایسه نتایج الگوهای ورودی مختلف نشان داد که شاخص اتصال رسوبی به همراه متغیرهای هیدرولوژیکی کارایی مدلها را بهبود میدهد و این بهبود به صورت کاهش (9/63% و 26/36%) در مجذور میانگین مربعات خطا و افزایش قابل توجه (25/80% و 21/85%) در ضریب کارایی ناش_ساتکلیف و (13/20% و 45/94%) در ضریب تبیین به ترتیب در مدلهای شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان میباشد. نتایج این پژوهش با توجه به برآورد دقیقتر رسوب معلق در طراحی و مدیریت منابع آب با ارزش میباشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی جریان آبراهه ای با استفاده از مدل های هیبریدی هوشمند در مقیاس ماهانه (مطالعه موردی: رودخانه زرین رود)

زمینه و هدف: انتخاب ورودی‌های مناسب برای مدل‌های هوشمند از اهمیت بسزایی برخوردار است زیرا باعث کاهش هزینه و صرفه‌جویی در وقت و افزایش دقت و کارایی مدل‌ها می‌شود. هدف از پژوهش حاضر،کاربرد آنتروپی شانون برای انتخاب ترکیب بهینه متغیرهای ورودی در شبیه سازی دبی ماهانه توسط پارامترهای هواشناسی می‌باشد. روش بررسی: در این مطالعه داده های هواشناسی و سری زمانی ماهانه دب...

full text

پیش بینی تراز سطح ایستابی با استفاده از سامانه های هوشمند

تخمین تراز سطح ایستابی از مسایل مهم و اساسی است که در برنامه ریزی کشاورزی، مدیریت منابع آب و تعیین نیاز آبی گیاهان بویژه در مواردی که از راهکارهای کم آبیاری بهره برده شود، دارای اهمیت فراوانی است. آگاهی از تراز سطح ایستابی می تواند در شوری و ماندابی شدن زمین وحتی زهکشی اراضی مفید باشد. در تحقیق حاضر از سامانه های هوشمند استنتاج عصبی – فازی تطبیقی، شبکه های عصبی مصنوعی و برنامه ریزی ژنتیک برای ت...

full text

پیش بینی سیلاب از طریق داده های سری زمانی دبی رودخانه سومبار با استفاده از مدل باکس _جنکینز

امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار است که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل جریان رودخانه می باشند در این تحقیق با استفاده ...

full text

پیش بینی روند رسوب گذاری در مخزن سد جیرف با استفاده از مدل GSTAR3

     احداث سد از متداولترین روش ها جهت بهره برداری از سیستم منابع آب سطحی بوده که هزینه های بسیار هنگفتی در قالب طرح های عظیم ملی صرف ساخت آن می­شود. رسوب گذاری در مخزن سد نه تنها سبب کاهش ظرفیت و عمر مخزن می شود، بلکه ضمن ایجاد اشکالات عدیده در باز و بسته کردن دریچه های عمقی و نیمه عمقی سد، موجب افزایش سطح مخزن و افزایش تبخیر و تلفات آب می  شود. در این تحقیق با استفاده از مدل GATARS3  وضعیت رس...

full text

پیش‏ بینی رواناب با استفاده از مدل‏ های هوشمند

پیش‏بینی رواناب رودخانه‏ها به‌دلیل اهمیت زیاد آن در برنامه‏ریزی‏ها، بهره‏برداری از مخازن و همچنین مدیریت آب‏‏های سطحی همواره مورد توجه مسئولان، برنامه‏ریزان و مهندسان آب و منابع آبی بوده است. از طرفی، به‌دلیل تغییرات زمانی و مکانی موجود، روابط غیرخطی و عدم قطعیت و بسیاری از عوامل دیگر پیش‏بینی رابطۀ بارش‌ـ رواناب بسیار مشکل است، اما امروزه استفاده از سامانه‏های هوشمند در پیش‏بینی چنین پدیده‏های...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 15  issue 3

pages  0- 0

publication date 2019-06-08

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023