بررسی و تحلیل هیدروگراف های سیلاب و روندیابی سیل با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی : رودخانه مارون )

thesis
abstract

در دهه های اخیر مطالعه و بررسی روندیابی سیل در رودخانه ها به منظور کاربرد در مسائل مهندسی رودخانه اهمیت زیادی داشته است. در کشور ما نیز با وجود طرح های مختلف و اهمیت آن ها در زمینه ساماندهی رودخانه ها و کنترل سیلاب، تاسیس مخازن آبی و غیره، ضرورت مطالعه در این زمینه احساس می شود. همچنین احداث سازه های کنترل کننده نظیر سد، علاوه بر اینکه توزیع نابرابر زمانی و مکانی آب را تغییر می دهد، نقش موثری در کاهش یا حذف خسارات ناشی از سیلاب را نیز بازی می کند. اما این که سد تا چه اندازه توانسته از عهده ی این نقش برآید مسئله ی قابل تأملی می باشد و باید تاثیر سدهای مخزنی روی کاهش دبی سیلاب ها تعیین گردد. در این تحقیق با استفاده از تحلیل هیدروگراف های سیلاب، رژیم هیدرولوژیکی جریان ورودی به مخزن سد مارون و وقایع سیل بررسی و حجم کنترل سیلاب مخزن با وقایع سیلاب ورودی به طور نسبی ارزیابی شد. نتایج حاصل نشان داد که به لحاظ کمی به راحتی می توان میزان حدود 140 میلیون متر مکعب از حجم کنترل سیلاب را به منظور سایر نیازها تخصیص داد که اعتماد به این حجم در حد 90 درصد مواقع مشاهداتی می باشد. سپس با استفاده از اطلاعات بارش و هیدروگراف های سیل منطقه مورد مطالعه به روندیابی سیل در دوره قبل از احداث سد با استفاده از شبکه عصبی مصنوعی پرداخته شد و با به کارگیری این مدل تأثیر احداث سد مخزنی مارون بر میزان کاهش دبی حداکثر سیل بر پایین دست رودخانه مشخص گردید. شبکه های عصبی مصنوعی نشان دادند که می توانند هیدروگراف سیل را در مرحله آموزش و همچنین در مرحله آزمون با (ضریب همبستگی 93% و 7/2rmse=) به خوبی پیش بینی کنند. از مقایسه هیدروگراف پیش بینی شده توسط مدل و هیدروگراف مشاهده شده در ایستگاه بهبهان برای شدیدترین سیل به وقوع پیوسته در دوره بعد از احداث مشخص شد که سد به خوبی توانسته تمامی حجم سیلاب معادل 74/121 میلیون متر مکعب را ذخیره کند. همچنین دبی اوج هیدروگراف در پایین دست سد از مقدار 1975 متر مکعب بر ثانیه به حدود 500 متر مکعب بر ثانیه کاهش یافته است.

similar resources

روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی

یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می‌باشد. امروزه تکنیک جدید استفاده از مدل شبکه‌های عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی می‌باشد، کاربرد گسترده‌ای در زمینه‌های مختلف علمی به‌ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدل‌های شبکه عصبی مصنوعی تکاملی پیش رونده (...

full text

پیش¬بینی جریان روزانه با استفاده از شبکه¬های عصبی مصنوعی و عصبی- موجکی (مطالعه موردی: رودخانه باراندوزچای)

پیش­بینی دقیق جریان در رودخانه­ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه جهت اتخاذ تدابیر مناسب در مواقع سیلاب و بروز خشکسالی­ها است. به دلیل اهمیت پیش­بینی جریان رودخانه، در این تحقیق جریان روزانه رودخانه­ی باراندوزچای در دو ایستگاه بی­بکران و دیزج طی یک دوره­ی آماری 20 ساله با استفاده از مدل عصبی- موجکی (WNN) که تلفیق آنالیز موجک و شبکه عصبی مصنوعی (ANN) می­باشد، پیش­بینی گرد...

full text

پیش‌بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)

با توجه به کمبود ایستگاه‌های اندازه‌گیری در کشور، لزوم استفاده از مدل‌های تجربی برآورد دبی‌ حداکثر لحظه‌ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش‌بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...

full text

پیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)

full text

روندیابی سیل رودها با بهره وری از شبیه های شبکه ی عصبی مصنوعی تکاملی

یکی از روش های پیش بینی سیل در رودخانه ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می باشد. امروزه تکنیک جدید استفاده از مدل شبکه های عصبی مصنوعی تکاملی(eann) که مبتنی بر هوش مصنوعی می باشد، کاربرد گسترده ای در زمینه های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدل های شبکه عصبی مصنوعی تکاملی پیش رونده (...

full text

پیش بینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)

با توجه به کمبود ایستگاه های اندازه گیری در کشور، لزوم استفاده از مدل های تجربی برآورد دبی حداکثر لحظه ای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیش بینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبی های متوسط حداکثر روزانه و بارش های متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023