برآورد بار رسوبی همواره برای طیف وسیعی از مسائل طراحی و قضاوت های هندسی از قبیل طراحی مخازن و سدها، انتقال رسوب و آلودگی در رودخانه ها، دریاچه ها و مصب ها، طراحی کانالهای انتقال آب و بندها و حوضچه های رسوب گیر، مسیل ها و ارزیابی اثرات زیست محیطی مورد نیاز بوده و تخمین صحیح آن باعث جلوگیری از صرف هزینه های اضافی خواهد شد. تاکنون تعداد زیادی از مدل های فیزیکی و تخریبی جهت برآورد با رسوب مورد استفاده قرار گرفته است اما این مدل ها دارای دقت مطمئنی نیستند. اخیراً روش شبکه عصبی مصنوعی در شاخه های مختلف علمی به کار گرفته شده است. این روش یک مدل غیرخطی می باشد و به نظر می رسد روش مفیدی برای تخمین رسوب باشد. در این تحقیق از شبکه عصبی مصنوعی پیش خور پس انتشار خطا (feed forward back propagation) با الگوریتم بهینه سازی لونبرگ- مارکوارت (levenberg-marquardt) جهت ایجاد مدل های سه لایه ای برای تخمین رسوب روزانه حوضه استفاده شده است. داده های حوضه رودخانه ایل واقع در ایالت کالیفرنیا در کشور آمریکا جهت مدل سازی به کار رفته است. انواع مدل های شبکه عصبی مصنوعی غیر ژئومورفولوژیکی و مبتنی بر ژئومورفولوژی حوضه ایجاد شده و بهترین ساختار آنها بر مبنای معیارهای کارایی ارایه شده است. در ابتدا همانند مدل های شبکه عصبی معمول تخمین رسوب، مدل های شبکه عصبی تک ایستگاهی ایجاد شدند با این تفاوت که فقط از داده های بارش امروز و رواناب امروز و روزهای پیشین استفاده شد و داده های رسوب روزهای گذشته در نظر گرفته نشد. در ادامه با تغییر ساختار شبکه، مدل شبکه عصبی چند ایستگاهی، به منظور تخمین رسوب همزمان چند ایستگاه ایجاد شد و با استفاده از خوشه بندی مکانی داده های ورودی، عملکرد آنها بهبود بخشیده شد. در انتها از داده های ژئومورفولوژیک به همراه داده های بارش و رواناب جهت آموزش یک مدل شبکه عصبی مبتنی بر ژئومورفولوژی حوضه استفاده شد. این مدل عملکرد بهتری نسبت به سایر مدل های شبکه عصبی ایجاد شده داشت. همچنین این مدل نشان داد قادر به تخمین زمانی و مکانی مقادیر رسوب است.

محدودیت منابع آب و اثرات مخرب ناشی از وقوع سیل، کارشناسان ومتخصصان منابع آب را در پی آن داشته اند تا بتوانند روابطی را بین مقادیر بارندگی و رواناب حاصل از آن در حوضه های آبریز و در شرایط مختلف زمانی و مکانی بیابند. تا به امروز مدل های بارش- رواناب فراوانی جهت پیش بینی سیلاب ساخته و بکار برده شده اند. در میان مدل های ارائه شده، مدل هایی که بر پایه فیزیک حوضه ارائه گردیده اند مناسبترند، زیرا کنترل فیزیکی فرایند را نیز مورد مطالعه قرار می-دهند. مدل wms از جمله مدل های جدیدی است که توسط آزمایشگاه هیدرولیک دانشگاه بریگهام توسعه پیدا کرده است. در مدل wms فن آوری جمع آوری داده ها، ذخیره سازی و مدیریت بر روی آن ها با کمک gis بهبود یافته است. در این تحقیق مدل بارش- رواناب حوضه امامه که دارای مساحت 37/7 کیلومترمربع می باشد، بر اساس سیستم مدلی wms/hec-hms شبیه سازی شده است. بدین منظور ابتدا با استفاده از wms و به کمک مدل topaz، شبکه آبراهه ها و مرز حوضه مشخص و خصوصیات فیزیوگرافی از قبیل مساحت، محیط، شیب حوضه و … استخراج گردید، سپس با کمک مدل wms فایل ورودی مدل hec-hms ایجاد شد. مدلسازی بر اساس دو ترکیب مدلی متفاوت انجام گرفت. در طی مدلسازی عملیات واسنجی جهت تعیین مقادیر حقیقی پارامترهایی که به صورت فرضی و یا بر اساس جداول پیشنهادی در مدلسازی بکار رفته است صورت گرفت، سپس عملیات صحت-سنجی جهت بررسی کارایی مدل ها انجام پذیرفت. نتایج نشان از کارایی بالای ترکیب مدلی (1) یا همان روش scs در هر دو مرحله عملیات شبیه سازی می باشد و آنالیز حساسیت بر روی این ترکیب مدلی نشان داد که پارامتر مهم و تاثیر گذار در تخمین دبی پیک و حجم رواناب cn می-باشد.

سدها به منظور ذخیره نمودن آب برای استفاده شرب یا کشاورزی، تولید انرژی برقابی، کنترل سیلاب و جلوگیری از خسارات ناشی از آن، ایجاد فضاهای تفریحی و ... احداث می شوند. رسوبگذاری در مخازن سدها این قابلیت ها را از بین برده به علاوه باعث زیانهای دیگر از جمله تغییر رژیم کلی جریان، اختلال در دریچه های تخلیه کننده، بالا آمدن بستر رودخانه، افزایش تبخیر از سطح دریاچه و ... می شود. از اینرو تخمین صحیح و بررسی رسوبگذاری نه تنها قبل از ایجاد سد، بلکه در دوران بهره برداری نیز امری ضروری به حساب می آید. عمر مفید مخازن بسته به میزان رسوبات وارده، راندمان تله اندازی و نحوه رسوبگذاری متفاوت است. بنابراین در مطالعات رسوبگذاری علاوه بر مقدار رسوبات وارده، نحوه نشست رسوبات و نرخ پیشروی آن به سمت بدنه سد نیز مهم است. در سال های اخیر مدل های ریاضی متعددی برای بررسی وضعیت فرسایش و رسوبگذاری در رودخانه ها و سدهای مخزنی ارائه شده که از جمله این مدل ها، cche-2d می باشد. نسخه جدید این مدل قادر به شبیه سازی جریان غیر دایمی کوتاه و بلند مدت و انتقال رسوب غیر یکنواخت در رودخانه هاست. این مدل انتقال رسوب را با استفاده از روش های غیر تعادلی محاسبه می کند. در پایان نامه حاضر، ابتدا اطلاعات توپوگرافی و هیدرولوژیکی و رسوبی سد علویان جمع آوری شده است. اطلاعات حاصل از هیدروگرافی سد علویان نیز جمع آوری شده است. پس از انتقال نقشه های مربوط به زمان ساخت سد و پس از هیدروگرافی مخزن به مدل و رسم پروفیل های عرضی و طولی در مقاطع مختلف از مخزن نحوه رسوبگذاری مورد بررسی قرار گرفت. مقایسه این پروفیل ها حاکی از این است که علاوه بر اینکه تراز بستر به مقدار قابل توجهی بالا می آید بستر رودخانه در اثر رسوبگذاری و آبشستگی به سمت راست جابجا شده است که این مسئله ناشی از وجود انحنا در مسیر جریان می باشد. سپس با استفاده از نرم افزار cche-2d مدلسازی بر اساس ورودی مخزن انجام شده است. نتایج بدست آمده از مدل با هیدروگرافی مخزن مقایسه و میزان دقت مدل ارزیابی شده است.

سیلاب یکی از مهمترین بلایای طبیعی است که در طول تاریخ از دیر باز تا کنون همواره آثار مخرب اجتماعی و اقتصادی را به جوامع بشری تحمیل کرده و باعث خسارات مالی و جانی فراوان شده است. ساماندهی و اصلاح مسیر رودخانه یکی از روشهای متداول برای کنترل سیلاب و کاهش خسارات ناشی از آن می باشد. وضعیت سیلابی رودخانه قره سو در استان کرمانشاه همانند آنچه که در سیلاب سالهای 1352 و 1376 رخ داد و باعث آبگرفتگی بخش قابل توجهی از زمین های اطراف و حاشیه رودخانه گردید از یک سو و متعاقباً ایجاد خسارات مالی فراوان از سوی دیگر و همچنین عبور این رودخانه از داخل شهر کرمانشاه که حساسیت و اهمیت رسیدگی به مسئله کنترل سیلاب و ایمن سازی در برابر آن را دو چندان می کند سبب شد تا در نهایت طرح ساماندهی این رودخانه برای اهدافی چون مهار سیلاب، ایمن سازی زمین های اطراف رودخانه، زیباسازی، محیط زیست و غیره اجرا شود. در این تحقیق اثرات ساماندهی و تغییر مسیر رودخانه قره سو بر روی پهنه سیلاب و هیدرولیک جریان به ازای دوره بازگشت های 25، 50 و 100 ساله و تحت الگوی جریان غیر دائمی مورد بررسی قرار گرفت و نهایتاً نقشه های پهنه بندی سیلاب در محیط gis برای دوره بازگشت های فوق ارائه شده که در این راستا از نقشه هایی با مقیاس 1:1000 و1:2000 و همچنین مدل هیدرولیکی hec-ras ، نرم افزار arc-gis و الحاقیه hec-georas استفاده گردید. از دیگر نتایج بدست آمده در این تحقیق شبیه سازی سیلاب سالهای 1352 و 1376 در هر دو مسیر ساماندهی و طبیعی رودخانه قره سو تحت الگوی جریان دائمی و نهایتاً تعیین مساحت سیلابدشت و ارائه نقشه پهنه بندی سیلاب مربوط به این سالها می باشد.

بارش، رواناب و رسوب از مهمترین پارامترهای هیدرولوژیکی می باشند و از آنجایی که تخمین پارامترهایی مانند رواناب و رسوب در طراحی، ساخت و نگهداری سازه های هیدرولیکی بسیار حائز اهمیت می باشد، بررسی و شناخت صحیح مراحل ایجاد و انتقال آنها نیز لازم و ضروری به نظر میرسد. این تحقیق بر عدم توانایی روش های ساده ای مانند منحنی های سنجه متداول، برای تخمین صحیح و عدم کارایی آنها برای تفسیر دقیق تغییرات پارامترها در طول مدت زمان بارش و پس از آن، تاکید می کند. زیرا رابطه بارش-رواناب، رواناب-رسوب و دبی-اشل از جمله فرآیندهایی هستند که اثر پدیده hysteresis در آنها مشاهده شده است. به رابطه غیرهمگن موجود میان دو پارامتر، hysteresis گفته می شود. این ناهمگنی موجود در رابطه بین پارامترها، هنگام رسم منحنی سنجه مربوط به پارامترهای موردنظر، تولید حلقه هایی می کند که به این حلقه ها، حلقه های hysteretic گفته میشود. علی رغم اهمیت مسئله و تاثیر بسزای پدیده hysteresis در فرآیندهای مذکور، تحقیقات بسیار اندکی جهت مدلسازی آن صورت گرفته است. در این تحقیق کاربرد شبکه عصبی مصنوعی برای مدلسازی و بررسی اثر پدیده hysteresis در فرآیندهای هیدرولوژیکی برای حوضه رودخانه ایل واقع در ایالت کالیفرنیا در کشور آمریکا، مورد بررسی قرار گرفته است. در این تحقیق از شبکه عصبی مصنوعی پیش خور پس انتشار خطا (feed forward back propagation) با الگوریتم بهینه سازی لونبرگ- مارکوارت جهت ایجاد مدل های سه لایه ای استفاده شده است. بررسی پدیده hysteresis در فرآیندهای هیدرولوژیکی مذکور، در دو گام انجام گرفت.در گام اول مدل های شبکه عصبی مصنوعی مختلف برای تخمین رواناب و رسوب حوضه آبریز مذکور ایجاد شده و بهترین آنها بر اساس معیار کارایی مدل انتخاب گردید و در گام دوم منحنی های بارش-رواناب و دبی-رسوب برای داده های مشاهداتی و محاسباتی رسم گردید. این منحنی ها انواع اشکال مختلف حلقه های hysteretic را نشان می داد، لذا در این مرحله پس از رسم منحنی ها، به دسته بندی انواع مختلف حلقه ها و شناخت علل و عوامل دخیل در ایجاد هر یک از این حلقه ها پرداخته شد. نتایج حاصله توانایی مدل های شبکه عصبی مصنوعی را برای انعکاس اثر پدیده hysteresis در روابط بارش-رواناب و رواناب-رسوب بخوبی نشان می دهد. در آخر سعی بر این شده که نوع معادله حاکم بر هر یک از انواع حلقه های hysteretic را تعیین کرد.

افزایش روزافزون نیازهای آبی، اهمیت مدیریت منابع آب را در حوضه های آبریز بیش از پیش نمایان ساخته است. رفتارحوضه های آبریز متأثر ازپارامترهایی همچون بارش، رواناب، پوشش برف، خصوصیات فیزیوگرافی، پوشش گیاهی، وجود سدها و مخازن، رودخانه ها و ... هستند که رفتار حوضه ها را تحت تأثیر قرار می دهند، برای شناسایی ارتباط دقیق این پارامترها با یکدیگر می توان روند تأثیرگذاری تک تک این پارامترها و همچنین همه آنها را روی حوضه های آبریز بررسی کرد. اخیرا مدل های مختلفی بدین منظور توسعه یافته اند که می توان به مدل تحلیل پویایی سیستم یا vensim و مدل های هوشمند همچون برنامه ریزی ژنتیک اشاره نمود. مدل تحلیل پویایی سیستم ( vensim ) به عنوان روشی که بر اساس تفکر سیستماتیک بنا نهاده شده و برای مطالعه سیستم های پیچیده است. روش تحلیل پویایی سیستم یک روش شبیه سازی شیءگرا و بر پایه بازخورد می باشد. از مدل vensim برای شبیه سازی رفتاری حوضه ی آبریز تحت شرایط هیدرولوژیکی گوناگون می توان استفاده نمود. برنامه ریزی ژنتیک عبارت از کاربرد الگوریتم ژنتیک در برنامه های کامپیوتری به منظور تکامل بخشیدن به برنامه های کارا و مفید در حل مسائل است. یک برنامه به جای متغییرهای تصمیم رویه ای را برای حل مسائل ارائه می کند. مدل برنامه ریزی ژنتیک قادر به ارائه روابط بین پارامترها است، که در سایر مدل های هوشمند چنین قابلیتی وجود ندارد. بنابراین می توان در محیط های دینامیکی زبان های مختلف برنامه نویسی حالت دینامیکی آن را بررسی نمو . در نهایت به وسیله مدلی که بدست می آید می توان تأثیر تک تک پارامترها را بر روی حوضه های آبریز و رفتار متقابل آنها را در برابر یکدیگر بررسی نمود. با افزایش یا کاهش هر یک از پارامترها از جمله تبخیر، بارش، رواناب و ... چه تأثیری در بقیه پارامترها ایجاد شده است و در نهایت راه کار های مناسب برای حل مشکلات ارائه شده است.

تاکنون برای بیان مفهومی چرخه هیدرولوژیکی، به طور عمده، از مدلسازی های ریاضی استفاده شده است که هدف اصلی این مدل ها پیش بینی های هیدرولوژیکی و همچنین درک بهتر فرایندها می باشد. فرایند بارش- رواناب مهمترین قسمت چرخه هیدرولوژیکی است. مدلسازی جامع و دقیق این فرایند در یک حوضه خاص می تواند اطلاعات مهمی در زمینه چگونگی و محل ایجاد شهرها، نحوه کاربری اراضی، مهار سیلاب ها و مدیریت منابع آب در آن حوضه به دست دهد. تاکنون مدل های متعددی برای ساده سازی این فرایند پیچیده هیدرولوژیکی گسترش داده شده اند. در این پژوهش، فرایند بارش- رواناب حوضه delaney creek در ایالت فلوریدای آمریکا با استفاده از شبکه های عصبی مصنوعی مدل شده است. با توجه به وجود دوره های تناوب فصلی مختلف در این فرایند، هر دو سری زمانی روزانه بارش و رواناب با استفاده از تبدیل موجک به چندین زیرسری زمانی تجزیه شده و زیرسری های اصلی به عنوان ورودی مدل های شبکه عصبی مصنوعی معرفی شده اند. سه نوع از توابع موجک مادر (haar، db2 و db4) برای انجام این تجزیه زمانی به کار گرفته شده اند. تعیین زیرسری های زمانی اصلی به عنوان ورودی های مدل، اغلب منجر به کاهش نرون های لایه ورودی در شبکه عصبی و خطاهای مدل می گردد. به منظور تعیین زیرسری های زمانی اصلی از آنتروپی شانون (محتوای اطلاعاتی) استفاده شده است. برای نیل به این هدف، از دو معیار مبتنی بر آنتروپی شانون یعنی آنتروپی (h) و اطلاعات مشترک (mi) بهره جسته شده و نتایج به دست آمده با نتایج حاصل از دو معیار دیگر (ضریب همبستگی خطی و میزان انرژی موجک) مقایسه شده است. بررسی مدلسازی های مختلف نشان می دهد که مدل عصبی_موجکی مبتنی بر آنتروپی شانون بهتر از مدل شبکه عصبی ساده عمل می کند. همچنین نتایج ثابت می کند که از بین چهار معیاری که به منظور گزینش زیرسری های زمانی اصلی استفاده شده اند، mi به دلیل ماهیت غیر خطی و نظارت شده اش، بهتر از سایرین عمل می کند. همچنین به استناد حاصل مدلسازی ها می توان استنباط کرد که نوع تابع موجک مادر، تأثیر فاحشی در نتایج مدلسازی ها نداشته است.

فضای سبز شهری در تعدیل آلودگیهای زیست محیطی موثر بوده و در تامین محیط سالم برای شهروندان نقش موثری دارد. در عین حال یکی از موانع اصلی موجود در گسترش فضاهای سبز شهری، توزیع نامناسب مکانی و زمانی آب مورد آبیاری می باشد. لذا در این رساله جانمایی مناسب منابع آب منطقه مورد مطالعه با استفاده از سامانه اطلاعات مکانی (gis) انجام شده و شبکه آبیاری از دید هندسه و با لحاظ محدودیت های هیدرولیکی شبکه، توسط نرم افزار watergems طراحی شده است. لازم به ذکر است که منطقه 9 شهرداری تبریز که منطقه ای نوساز بوده و هنوز شبکه آبیاری خاصی در آن اجرا نشده؛ به عنوان منطقه مورد مطالعه انتخاب شده است. در گام دوم شبکه طراحی شده اولیه با هدف تامین فشار مناسب و حداقل سازی هزینه؛ با استفاده از الگوریتم ژنتیک چند هدفه بهینه سازی شده و منحنی پارتو مناسب بر روی مجموعه جوابهای بدست آمده برازش داده می شود. برای انتخاب بهترین راه حل؛ از روشهای مختلف تئوری بازیها استفاده شده و نزدیکترین راه حل به جواب های بدست آمده از تئوری بازیها به عنوان راه حل بهینه انتخاب می شود. در مرحله بعدی شبکه طراحی شده اولیه به فضای نرم افزار epanet برده شده و این بار شبکه با استفاده از ابزار الگوریتم شبیه سازی بازپخت بهینه سازی می شود. اجرای این الگوریتم با کالیبره کردن متوالی عملگرهای مربوط به الگوریتم شبیه سازی بازپخت تکرار شده و جواب بهینه نسبی تولید می شود. مقایسه نتایج بدست آمده از اجرای این دو الگوریتم برروی شبکه طراحی شده اولیه نشان دهنده کاهش 16 درصدی هزینه های اجرایی شبکه طراحی شده توسط الگوریتم ژنتیک در مقایسه با الگوریتم شبیه سازی بازپخت می باشد. علاوه براین زمان لازم برای اجرای الگوریتم ژنتیک بسیار کمتر از الگوریتم شبیه سازی بازپخت بوده و شبکه ارائه شده توسط الگوریتم ژنتیک قابلیت اجرایی بیشتری دارد. در ادامه جواب های بدست آمده از الگوریتم ژنتیک صحت سنجی شده که نتایج نشان دهنده همگرایی جوابهای بدست آمده از الگوریتم ژنتیک می باشد. بعد از اجرای راه حل انتخاب شده بر روی شبکه و ایجاد تغییرات جزیی به منظور افزایش قابلیت اجرایی شبکه؛ تحلیل حساسیت با افزایش تقاضا به میزان 1/1 و 2/1 برابر تقاضای تعریف شده؛ انجام می شود که نتایج نشان دهنده انعطاف پذیری خوب شبکه طراحی شده در مقابل تغییرات تقاضا می باشد.

برای جلوگیری و به حداقل رساندن خسارتهای وارده ناشی از فرآیند فرسایش و انتقال، تاکنون روش های کلاسیک ریاضی متعددی جهت محاسبه دبی رسوبی ارائه شده است. این روش ها بطور عمده بر مبنای فرضیات و روش های آماری و....وداده های میدانی یا آزمایشگاهی استوارند که توسط محققان متعددی نظیر یانگ ، وایت ، بگنولد ، هانسن و......پیشنهاد شده است. نتایج حاصل از روش های کلاسیک در برآورد میزان رسوب، حاکی از عملکرد نامناسب این روش ها در شرایط هیدرولیکی متفاوت و حساسیت بالا به شرایط رودخانه ، اندازه مواد بستر و....است. در این پایاننامه از روش های نرم هوش مصنوعی جهت ارزیابی، اصلاح و بهبود قابلیت پیش بینی رسوب در یک رودخانه طبیعی به نام قطور چای، ایستگاه پل یزدکان واقع در آذربایجان غربی استفاده شده است. روش های محاسباتی نرم مورد استفاده در این پژوهش عبارتند از روش برنامه ریزی ژنتیک [gep] و روش شبکه عصبی مصنوعی [ann]. ورودی های مورد نیاز برای مدل سازی، با توجه به پارامتر های حاکم روش های کلاسیک و با توجه به مفهوم پایه ای بکار رفته در ساختار این روش ها، انتخاب و بهینه گشته و سپس تحلیل های لازم انجام پذیرفته است. روش های کلاسیک انتخاب شده نیز بر مبنای دو مفهوم کلی توان جریان و تنش برشی هستند. در مراحل مختلف مدل سازی، ضمن بررسی اثرات عوامل موثر در کارایی روش های محاسباتی نرم، ساختارهای بهینه برای هریک از این مدل ها تعیین و نتایج حاصل، با روش های کلاسیک و روش منحنی سنجه نیز مقایسه گشته است. نتایج حاصله حاکی از آن است که اصلاح و تقویت روابط کلاسیک با استفاده از روش های نرم هوشمند، باعث بهبود نتایج شبیه سازی و ارتقای کارائی روابط مذکور می گردد. همچنین در یک مقایسه کلی، نتیجه گرفته شد مدل هایی که بر مبنای توان جریان توسعه یافته اند، عملکرد بهتری نسبت به مدل هایی دارند که مفهوم تنش برشی در ساختار آنها بکار گرفته شده است.

طیف وسیعی از جریان های موجود در طبیعت را جریان های متغیر سریع همراه با سطح آزاد و مرز متحرک تشکیل می دهند. از این میان، پدیده شکست سد و در پی آن رها شدن ناگهانی توده عظیم آب انبار شده به همراه حرکت شدید رسوبات به صورت غیر ماندگار به شکل مخلوط مایع-ذرات ریز دانه با رئولوژی پیچیده، از اهمیت ویژه ای برخوردار است. در این فرآیند، اندرکنش شدیدی میان جریان، انتقال رسوبات و تغییرات مورفولوژی بستر رودخانه وجود دارد و منجر به خسارات جانی، اقتصادی و زیست محیطی فراوان می گردد. در این پژوهش، پدیده هیدرودینامیکی انتقال رسوب ناشی از شکست سد، با استفاده از روش لاگرانژی بدون شبکه بندی هیدرودینامیک ذرات هموار (sph) مورد مطالعه، شبیه سازی و تحلیل قرار می گیرد. شبیه سازی جریان با قید تراکم ناپذیری و استفاده از روش تصویر فشار (isph)، از چالش های مهم فعلی در روش sph است. در این راستا، مباحثی چون ارضای شرط تراکم ناپذیری سیال، نحوه گسسته سازی معادلات حاکم، مدل سازی سطح آزاد با تغییر شکل های بزرگ در جریان های شدید، نوسانات میدان فشار و توزیع همگن ذرات محاسباتی هنوز به صورت موضوعاتی بحث برانگیز مطرح می شوند که احتیاج به مطالعه و بررسی همه جانبه دارند. نخست، دو طرح جدید برای گسسته سازی مشتقات مکانی مرتبه اول و دوم در معادلات ناویر-استوکس در روش sph معرفی شده است که نقاط ضعف طرح های موجود را برطرف کرده و خاصیت سازگاری را دارا می باشد. سپس روابطی جدید برای بهبود شبیه سازی و پیش بینی دقیق نیمرخ های سطح آزاد در گذر زمان پیشنهاد شده است. به منظور توزیع یکنواخت ذرات در sph نیز، یک رابطه اصلاح شده الگوریتم جابجایی ذرات ارائه می شود. در حل جریان های تراکم ناپذیر سطح آزاد، با روش های صریح رایج و رویکرد تصویر فشار، متغیر میدان و مکان ذراتی که فرآیند مشتق گیری عددی روی آنها انجام می شود، در دو زمان متفاوت محاسبه می شوند و امکان ارضای دقیق شرط تراکم ناپذیری وجود ندارد. با استفاده ازطرح های گسسته سازی جدید و اصلاح روش های رایج، یک روش بهبود یافته پیش بینی-تصحیح (eisph)، برای شبیه سازی جریان های سطح آزاد معرفی می گردد. همچنین با استفاده از رویکرد اویلری و روش حجم سیال (vof) در نرم افزار متن- باز openfoam، جریان های ناماندگار ناشی از شکست سد به صورت دو فاز در دو بعد حل می شوند. در ادامه، به منظور ارضای دقیق شرط تراکم ناپذیری جریان در روش تصویر فشار، یک روش جدید ضمنی (iisph) معرفی گردیده است. در این روش، در هر گام زمانی یک حلقه تکرار طی می شود که در آن، پس از یافتن سرعت در زمان جدید، مکان ذرات نیز به روز می گردد. به این ترتیب پس از همگرایی حلقه تکرار، مشتقات مکانی نیز در زمان جدید محاسبه خواهند شد. قابلیت و دقت روش ضمنی ارائه شده، در شبیه سازی مسائل سطح آزاد و انتشار شدید امواج شکست سد روی بستر خشک و مرطوب، مورد آزمون و تایید قرار می گیرد. اگرچه در مجموع، این روش نسبت به روش eisph هزینه محاسباتی بالاتری دارد، لیکن از جهت ایجاد سازگاری، پایداری، همگرایی حل، شبیه سازی نیمرخ های سطح آزاد جریان و بالاخص عدم حضور نوسانات غیر فیزیکی در میدان فشار، برتری محسوسی دارد. سپس، مسأله شکست سد در سه بعد حل شده است. در ادامه، روشهای صریح اصلاح شده و ضمنی جدید، به جریان های تراکم ناپذیر سطح آزاد حاوی رسوب توسعه داده می شوند. در روش های ارائه شده، فاز مایع توسط معادلات ناویر-استوکس مدل سازی می گردد. برای پیش بینی رفتار غیر نیوتنی فاز رسوب، از مدل رئولوژیکی پلاستیک بینگهام استفاده می گردد. دقت و کارآیی روش های عددی توسعه داده شده، با حل مسأله تک فاز انتقال رسوب غیر ماندگار ناشی از شکست سد و نیز مسأله شکست سد بر بستر فرسایش پذیر و انتقال مخلوط دو فازی آب-رسوب، بررسی و مقایسه می شود. روش های ارائه شده و به ویژه روش iisph، دارای توانایی بالایی در مدل سازی مشخصه های جریان آب و رسوب و نیز اندرکنش بین جریان، انتقال رسوب و تغییرات مورفولوژیکی بستر فرسایش پذیر، ناشی از جاری شدن سیلاب های شدید می باشند. در انتها، مسائلی کاربردی در زمینه پدیده انتقال رسوب پس از شکست سد، حل می شود. در قسمت نخست، مسأله وجود بستر پایین دست سد که ابتدا ثابت و سپس فرسایش پذیر است، حل می گردد. در قسمت بعد، با حل مدل های متفاوت سعی می شود که مطالعات جامعی پیرامون پدیده مورد بررسی تحت سناریوهای مختلف ممکن صورت پذیرد و به سوالات مطرح شده رساله، پاسخ کمی و کیفی داده شود.

مطالعه مکانیزم انتقال بار کف به دلیل ماهیت پیچیده و محدودیت های موجود در اندازه گیری یکی از مسائل چالش برانگیز مهندسی رودخانه می باشد. با وجود مطالعات گسترده ی محققین و ارائه روابط متعدد تجربی و نیمه تجربی به منظور تخمین نرخ انتقال بار کف تاکنون هیچ روش و رابطه ی یکه ای به منظور مدل سازی و تخمین بار کف وجود ندارد. در این تحقیق عملکرد دو روش برنامه ریزی بیان ژن (gep) و مدل ترکیبی الگوریتم ژنتیک – رگرسیون بردار پشتیبان (ga-svr) در مدلسازی و تخمین بار کف سه رودخانه اوک کریک، نهال یاتیر و دیاوگا مورد ارزیابی قرار گرفته است. همچنین از چهار ساختار مختلف gep و از چهار تابع کرنل مختلف به منظور دستیابی به ساختار بهینه استفاده شده است. از چهار نوع مدل ورودی متشکل از ترکیب پارامترهای هیدرولیکی رودخانه به عنوان ورودی روش های مذکور استفاده شده است تا موثرترین پارامترهای هیدرولیکی در هریک از رودخانه ها معرفی شود. در نهایت داده های موجود از بار کف رودخانه ها توسط چند رابطه کلاسیک نیز تخمین زده شدند. مقایسه نتایج تخمین بین روش های هوشمند و روابط کلاسیک نشانگر برتری روش های gep و ga-svr می باشد.

آبشستگی موضعی پایه ها یکی از مهم ترین پارامترهای کلیدی در ایجاد ناپایداری و گسیختگی در سازه هایی نظیر پل ها، اسکله ها و مانند آن ها است. به دلیل پیچیدگی مکانیزم آبشستگی پایه پل ها، این موضوع به عنوان یکی از مهم ترین زمینه های تحقیقی در میان پژوهشگران شناخته شده است که بیشتر این تحقیقات بصورت تجربی انجام یافته است. نظر به اهمیت پدیده آبشستگی در پایداری پل ها، روش های متعددی جهت کنترل این پدیده معرفی شده است. در سال های اخیر تاثیر توام برخی از ابزار ها مورد بررسی قرار گرفته اند. با توجه به نتایج این تحقیقات، استفاده از یک ابزار کنترل کننده فرسایش بستر در بسیاری از موارد کافی بنظر نمی رسد. از سویی دیگر، ترکیب ابزارهای مختلف نیز همواره نمی تواند منجربه حصول نتایج بهتری نسبت به استفاده منفرد از این ابزارها گردد. لذا در پژوهش حاضر چهار ابزار سکو، مقطع هندسی پایه، شکاف و شیب جانبی پایه، بصورت منفرد و نیز بصورت ترکیبی با یکدیگر مورد بررسی قرار گرفته اند. در انتخاب این روش ها سعی بر آن بوده است تاثیر دو پارامتر مهم ایجاد کننده آبشستگی، (1) جریان رو به پایین و تشکیل گردابه های نعل اسبی، (2) جدایش جریان و تشکیل گردابه های برخاستگی، بر آغاز و گسترش آبشستگی به دو صورت تجربی و عددی تعیین گردد. ترکیبات مورد بررسی نیز بگونه ای انتخاب گردیده اند که هر روش بتواند یکی از عوامل ایجاد کننده فرسایش بستر را حذف نماید. این ترکیبات شامل موارد زیر می باشند: (1) پایه استوانه ای با سکو (2) مدل پایه پل با مقاطع هندسی مختلف (دایره ای، مستطیلی گرد گوشه، بیضی و عدسی) (3) ترکیب سکو با مقاطع هندسی مستطیل گرد گوشه، بیضی و عدسی (4) ترکیب سکو، مقطع هندسی پایه و شکاف میانی (5) ترکیب سکو، مقطع دایره ای و مستطیلی گرد گوشه با جفت شکاف کناری در سه موقعیت قرار گیری مختلف (6) سکو، مقطع هندسی دایره ای و شیب جانبی (7) ترکیب سکو، مقطع هندسی دایره ای، شیب جانبی و شکاف میانی. در گروه اول با بررسی چهار ارتفاع 5، 6، 7 و 8 سانتیمتر برای سکو، سکوی 6 سانتیمتری با کاهش 46 درصد عمق فرسایش موثرترین روش شناخته شد. در پایه-های گروه دوم مدل عدسی شکل با کاهش 60 درصد عمق فرسایش،عملکرد بهتری داشته است. در گروه سوم ترکیب مقطع هندسی با سکو، موجب کاهش 64 درصدی آبشستگی در پایه عدسی شکل شده ولی در مقاطع مستطیلی گرد گوشه و بیضی ازدیاد آبشستگی را به همراه داشته است. در گروه چهارم، ایجاد شکاف در پایه مستطیلی گرد گوشه قابل توجه بوده لیکن در سایر مدل ها تاثیر چندانی نداشته است. در پایه های با شکاف کناری، در مقطع دایره ای گرفتگی زود رس شکاف، کارایی آن را از بین برده، اما در مقطع مستطیلی گرد گوشه 43 درصد کاهش آبشستگی مشاهده شده است. در شبیه سازی عددی با فلوئنت، سه مدل آشفتگیstandard ، rsm و les مورد مطالعه قرار گرفته اند. در این راستا منحنی های سرعت، تراز سطح آب، گردابه های پیرامون پایه و نیز توزیع تنش های برشی مورد مقایسه قرار گرفتند. همچنین تنش های برشی بی بعد شده در اطراف مدل پایه های مستطیلی گرد گوشه، عدسی و بیضی مقایسه شده اند. شبیه سازی های انجام گرفته برای زمان های محدود نخستین تاثیر مثبت مقطع عرضی عدسی در کاهش میزان تنش-های برشی بحرانی و نیز کاهش میدان تاثیر آن ها را نشان دادند. میزان درصد کاهش تنش برشی بستر در این مقطع برابر 43 درصد نسبت به پایه دایره ای ساده می باشد. شکاف نیز نقش حفاظتی موثری در کاهش تنش های برشی بستر داشته و در تمامی مقاطع موجب کاهش مقدار آن گردیده است.

از عوامل موثر در شکل گیری سیلاب می توان به مشخصات فیزیوگرافی حوضه ها اشاره نمود، در این مطالعات مشخصات فیزیوگرافی شامل مساحت، محیط، شیب حوضه ، طول آبراهه و شیب آبراهه اصلی از روی نقشه های رقومی ارتفاعی(dem) برای حوضه رودخانه سیمینه رود بدست آمده است؛ در برآورد مشخصات فیزیوگرافی از نرم افزار arcgis استفاده گردیده است.در مطالعات هیدرولوژی، ابتدا دبی با دوره های بازگشت مختلف از روی ایستگاه های هیدرومتری برای کلیه زیرحوزه ها استخراج و سپس با مدلهای بارش-رواناب که ابزاری برای شبیه سازی هیدرولوژیک حوضه های آبریز هستند، هیدروگراف سیل ناشی از بارش استخراج می گردد، بمنظور مدل نمودن سیلاب حوضه سیمینه رود از مدل hec-hms استفاده شده است، پارامترهایی چون شماره منحنی و تلفات اولیه تدقیق شده و مدل نهایی بدست آمده است. عموماً در محل های مورد نظر جهت احداث سازه های هیدرولیکی، ایستگاه آب سنجی وجود نداشته و با تهیه مدل منطبق با شرایط حوضه، میزان سیلاب در محل های مورد نظر بدست آمده است. معمولا سیلاب ها از رگبار یا ذوب شدن برف حوضه یا آب شدن یخچال های حوضه بوقوع می پیوندند، در این تحقیق سیلاب ناشی از رگبار مورد بررسی قرار گرفته است.

با توجه به پیچیدگی های ذاتی پدیده هایهیدرولوژیکی،به کارگیریروش های متداول خطی منجر به نتایج قابل قبول با دقت بالا نشده، لذا توجه روزافزونی به مدل¬های جعبه سیاه می شود. در دهه¬های اخیر، شبکه های عصبی مصنوعی، از زیرمجموعه های هوش مصنوعی، به خوبی توانایی خود را در مدل سازیپدیده های هیدرولوژیکیو ارائه نتایج قابل قبول و اطلاعات مهمی که در زمینه هایبرنامه ریزی شهری و محیط زیست، سیل و مدیریت منابع آببکار گرفتهمی شود، به اثبات رسانده است. توانایی و کار آیی هر نوع مدل داده محور (به عنوان مثال، شبکه عصبی مصنوعی) تا حد زیادی بستگی به کمیت و کیفیت داده ها دارد و از طرفی نویز(خطا) موجود در داده ها، در عملکرد مدل تأثیرگذار است. بنابراین یک سری عملیات پیش پردازش برای بهبود نتایج ضروری می¬باشد. لذا، مدلی بر اساس شبکه عصبی مصنوعی ارائه شده که به روش رفع خطای مبنی بر موجک از طریق آستانه کلی برای حذف خطا از سری های زمانی تاکید شده است. سپس سری زمانی بدون خطا به منظور پیش بینی رسوب به مدل اعمال می شود. مقایسه نتایج حاصل از مدل سازی با داده هایخطا دار و بدون خطا، بیانگر بهبود نتایج در حالت استفاده از داده های بدون خطا است. همچنین نتایج نشانگر این است که رفع خطا مبنی بر موجک تا حد زیادی بستگی به موجک مادر انتخاب شده دارد، زیرا با تغییر موجک مادر، نتایج حاصله نیز تغییر می کنند. بعلاوه، افزایش مقدار آستانه پس از مقدار مشخصی نه تنها باعث بهبود نتایج نمی شود بلکه تأثیر منفی نیز دارد. نهایتاً، روش حذف خطا مبنی بر موجک، به عنوان یک روش پیش پردازش، ایده¬ایی مناسب برای بهبود مدل¬های هیدرولوژیکی مبنی بر شبکه عصبی مصنوعی است و در مقایسه با arimaxروش پیشنهادی منجر به نتایجی با دقت بهتری می شود.

مدل سازی و شبیه سازی فرایند بارش-رواناب از مسائل مهم هیدرولوژیکی ا ست که تاثیر بسزایی در تحلیل ، برنامه ریزی و مدیریت هرچه بهتر منابع آب دارد. به دلیل ماهیت غیر خطی و خاصیت تصادفی(stochastic) پدیده های مرتبط با بارش-رواناب، پیدا کردن مدلی که در عین سادگی بتواند خصوصیت حوضه را هم در خود بگنجاند و پاسخی مکفی و پیش بینی دقیق در اختیار قرار دهد، مورد توجه قرار گرفته است. لذا نظر به پیچیدگی فرایند بارش-رواناب، به نظر می رسد استفاده از یک ابزار مناسب جهت پیدا کردن میزان پیچیدگی موجود در فرآیند، می تواند کمک شایانی در انتخاب مدل و روش مدل سازی منسجم تری داشته باشد. مطالعه موردی، برای یک حوضه داخلی و چهار حوضه خارجی برای نیل به اهداف پایان نامه جهت مدل سازی بارش-رواناب بر اساس بررسی پیچیدگی انجام گرفت. در این مطالعه از یک معیار جدید جهت محاسبه و تبیین پیچیدگی موجود در حوضه ها استفاده گردید که مبتنی بر موجک-آنتروپی می باشد. در این راستا با بکارگیری معیار پیچیدگی مدل سازی، با استفاده از چهار مدل جعبه سیاه انجام شد. نتایج مدل سازی ها حاکی از این بود که هرچه مقدار معیار پیچیدگی بیشتر باشد، به مدل با ساختاری پیچیده تر (مانند ann و تلفیق موجک و ann)، برای مدل سازی فرایند بارش-رواناب نیاز است؛ به عبارت دیگر در حالات ساده تر، روش های خطی و ساده تر مدلسازی مانند روش های اوتورگرسیو از جمله arima و arimax بر مبنای معیارهای صحت سنجی، پاسخگویی مناسبی برای مدل سازی فرایند بارش-رواناب ارائه دادند. با استفاده از گزارشات ارائه شده برای مدل سازی هر کدام از زیر حوضه ها بر مبنای معیار پیچیدگی، محدودیت های هر روش مدل سازی با توجه به ویژگی های هر حوضه مورد بحث و بررسی قرار گرفت و مدل بهینه و در عین حال ساده متناسب با میزان پیچیدگی هر حوضه تعیین گردید.

سد قیصرق به عنوان یکی از سدهای خاکی کشور می باشد که در 61 کیلومتری شهرستان بستان آباد در استان آذربایجان شرقی واقع شده است با توجه به شرایط حاکم بر زمین شناسی منطقه و وجود لایه ژیبس، پس از آبگیری میزان آبگذری سد بیش از حد مجاز بوده است. ساختگاه سد در قسمتهای بالایی از واحد های آبرفتی از جنس لای و رس به همراه مقدار زیادی ماسه با مقاومت صحرایی در حدstiff تشکیل شده است طرح علاج بخشی سد، اجرای پرده آب بند به عمق حدودا 30 متر و همچنین لاینینگ بدنه سد و دوختن این دو بهم توسط اجرای بلانکت رسی به ضخامت حدودا 3 متر می باشد. در این تحقیق پس از ارائه مشخصات سد قیصرق، قرائت های مربوط به پیزومترهای کاساگرانده و چاه های مشاهده ای ارائه شده است. همچمین طی بازدیدهای به عمل آمده نقیصه ها و مشکلات سد بررسی و اعلام شده اند و سعی گردیده مقطعی از سد بر اساس نرم افزار geo office و با در نظر گرفتن اقدامات انجام یافته توسط طرح علاج بخشی، مورد تحلیل قرار گیرد و نتایج آن با نتایج ابزار دقیق، مورد مقایسه و سنجش قرار گرفته تا از عملکرد سد از دیدگاه پایداری اطمینان حاصل شده تا امکان بروز آسیبها و موارد خسارت آور و نا خواسته را قبل از وقوع حوادث پیشگیری نمود.

شبیه سازی فرآیند بارش-رواناب نقش بسیار مهمی را در برنامه ریزی های شهری، محیط زیستی، کاربری اراضی، مدیریت منابع آب و سیل و نیز کاهش اثرات خشکسالی در سیستم های منابع آب می تواند ایفا کند. هدف این رساله ارائه شیوه ای از مدلسازی هیدرولوژیکی به صورت مدل خطی متغیر در زمان است که در کنار لحاظ نمودن تغییرات زمانی در مدلسازی در برگیرنده ویژگی های تغییرات مکانی نیز بوده و قابل اعمال در هر مطالعه موردی باشد. بر این اساس در این تحقیق ترکیبی از دو نگرش مفهومی نیمه توزیعی (بخش خطی و متغیر در مکان مدل سازی) و سیستمی یا جعبه سیاه (بخش متغیر در زمان مدل سازی) در بررسی مدلسازی فرآیند بارش ـ رواناب با استفاده از ابزار هوش محاسباتی مورد توجه قرار گرفته و در محاسبه و پیش بینی تغییرات آتی پارامتر معرف مشخصات حوضه آبریز(کاربری اراضی/ پوشش گیاهی ) در مورد حوضة آبریز شاخة جنوبی رودخانه ایل مورد استفاده قرار گرفته است. بر اساس نگرش مفهومی نیمه توزیعی بکار گرفته شده در این تحقیق با تقسیم حوضه آبریز به زیر حوضه ها و اعمال مدل مخزن خطی به آنها مجموعه ای از مدل های همگن خطی به دست می آید که میزان بارش بر روی هر یک از آنها می تواند متفاوت باشد ولی بر هر یک به طور یکنواخت توزیع شده است. بر این اساس دو مدل ژئومورفولوژیکی به نام های مدل تصحیح یافته مدل guhn و مدل آبشار مخازن نا مساویuecr ارائه می شود. دو پارامتر زمان تاخیر مخزن خطی k و پارامتر زمان تاخیر کانال خطی t در این مدل ها بکار رفته است. پارامتر k دلالت بر انتقال بارش به رواناب بر روی زمین داشته در حالیکه پارامتر t مربوط به انتقال رواناب در طول مسیر رودخانه ها و آبراهه ها می باشد. برای لحاظ نمودن تأثیر داده های دبی مشاهداتی سایر ایستگاه های داخل حوضه آبریز و یا به عبارت دیگر کالیبراسیون دو ایستگاهه در مدلسازی از روش بهینه سازی nsga-ii استفاده شده است. کاربرد روش بهینه سازی nsga-ii در چهار چوب کالیبراسیون دو ایستگاهه در زمینه مدلسازی هیدرولوژیکی رویداد- پایه از جمله نو آوری های این پژوهش می باشد. مدلسازی دو ایستگاهه با بهینه سازی همزمان ایستگاههای بالادست و پایین دست می تواند منجر به انتشار اثرات شرایط و پارامترهای زیرحوضه های بالادست به زیرحوضه های پائین دست شده، مفهوم و تفسیر فیزیکی پارامترهای مدل را افزایش دهد. کاربرد جدیدی از دو استراتژی کالیبراسیون در زمینه مدلسازی هیدرولوژیکی رویداد- پایه تحت عنوان استراتژی کالیبراسیون نیمه گرده ای و استراتژی کالیبراسیون نیمه توزیعی با لحاظ نمودن خصوصیات ژئوموفولوژیکی و عدم لحاظ نمودن آنها در این تحقیق ارائه شده است. در مجموع نتایج کلی نشان دهنده برتری استراتژی کالیبراسیون نیمه گرده ای نسبت به استراتژی کالیبراسیون نیمه توزیعی است. در بخش نگرش سیستمی این تحقیق، داده های اندازه گیری حدود سی سال جهت استخراج و تجزیه و تحلیل رویدادهای بارش-رواناب مورد استفاده قرار گرفته است. در این بخش، از مدل uecr بر اساس استراتژی کالیبراسیون نیمه گرده ای استفاده شده است. نتایج بدست آمده نشان می دهد که مدل پیشنهادی حساسیت بیشتری نسبت به تغییرات زمانی پارامتر k داشته و تغییرات طولانی مدت آن می¬تواند به عنوان معیاری از تغییر پوشش گیاهی و کاربری اراضی در طی زمان باشد. نتیجتاً در این تحقیق برای اولین بار جهت شناسایی و پیش بینی تغییرات درخصوصیات حوضه آبریز اقدام به مدلسازی تغییرات سری زمانی پارامتر k از طریق دو رهیافت شبکه عصبی- پایه شامل یک مدل شبکه عصبی ساده و یک مدل ترکیبی شبکه موجکی- عصبی wann صورت گرفته است. بر این اساس متغیر های ورودی مناسب در مدلسازی که شامل ترکیبی از پارامتر زمان تأخیر حوضه، تبخیرتعرق و دما است با استفاده از روش تابع اطلاعات مشترک mi تعیین شده است. با مقایسة دو مدل شبکه عصبی- پایه (یعنی شبکه عصبی ساده و wann)، ملاحظه می شود مدل wann بسیار کاراتر از شبکه عصبی ساده می باشد. نتایج کلی تایید کننده این مطلب است که بررسی تغییرات دراز مدت پارامتر k می تواند یک روش معقول برای ارزیابی و پیش بینی تغییر کاربری اراضی و پوشش گیاهی حوضه آبریز باشد.

سیستم های فاضلاب به عنوان یکی از مهم ترین زیرساخت های شهری، وظیفه جمع آوری و تصفیه فاضلاب تولیدی جهت بازگشت به طبیعت و یا استفاده مجدد از فاضلاب را بر عهده دارند. با توجه به اهمیت خاص این سیستم ها در جوامع امروز، لزوم عملکرد مطلوب و پایدار این سیستم ها بر هیچ کس پوشیده نیست. یکی از مهم ترین بخش های سیستم های فاضلاب، شبکه های جمع آوری فاضلاب است. عملکرد مناسب یک شبکه جمع آوری فاضلاب وابسته به برنامه بهره برداری و نگه-داری آن است که با اجرای برنامه ارزیابی و تحلیل ریسک این شبکه ها، می توان به میزان قابل توجهی سطح ریسک را پایین آورده و موجب افزایش کارایی و عملکرد سیستم شد. در تحقیق حاضر مدلی برای تحلیل ریسک شبکه های جمع آوری فاضلاب با استفاده از شبکه-های بیزین ارائه شده است که با توجه به قابلیت های شبکه های بیزین و ویژگی های سیستم های فاضلاب، مدل ارائه شده از کارایی بالایی برخوردار است. در این مدل، میزان ریسک با ترکیب احتمال شکست و پیامدهای شکست محاسبه می شود. در این راستا شکست ها و آسیب های ممکن در شبکه ها به دو دسته شکست های سازه ای و شکست های هیدرولیکی تقسیم شده اند. جهت محاسبه احتمال شکست، از شبکه های بیزین استفاده شده که الگوریتم معرفی شده در چهار گام اساسی آماده سازی ورودی های مدل، آموزش شبکه بیزین، صحت سنجی شبکه آموزش دیده و دریافت نتایج خروجی از مدل تشکیل شده است. محاسبه پیامدهای شکست با استفاده از میانگین-گیری وزنی عوامل موثر در این پیامدها انجام شده که برای به دست آوردن وزن و امتیازهای مربوط به عوامل مذکور، از نظرات کارشناسی استفاده شده است. پس از محاسبه احتمال و پیامدهای شکست، نتایج حاصل با توجه به مزیت های سیستم های فازی با استفاده از سیستم استنباط فازی ممدانی ترکیب شده و با استفاده از روش مرکز ثقل، غیرفازی می گردد. برای نشان دادن کاربرد روش معرفی شده، قسمتی از شبکه جمع آوری فاضلاب شهر تبریز به عنوان مطالعه موردی انتخاب شده است و با استفاده از ریسک به دست آمده از مدل، فاضلابروهای شبکه مورد مطالعه در پنج گروه از جهت اولویت برنامه های بازرسی و نگه داری تقسیم شده اند. نتایج حاصل از مدل تحلیل ریسک، نشان از بحرانی بودن وضعیت تعدادی از فاضلابروهای موجود در شبکه دارد که باید این فاضلابروها را در اولویت برنامه های بازرسی و در صورت نیاز، تعمیرات قرار داد. البته وضعیت اکثر فاضلابروها از جهت میزان بحرانی بودن، در حد متوسط قرار دارد.

در این رساله هسته اصلی مباحث بر روی بهره گیری از ابزار محاسبات نرم به ویژه هوش مصنوعی، تبدیل موجک به همراه مفهوم آنتروپی برای مدلسازی کمی و کیفی منابع آب زیرزمینی با در نظر گرفتن روش خوشه بندی و اطلاع از روابط بین فرآیندهای هیدرولوژیکی (روابط بین بارش، رواناب و تراز یا کیفیت آب زیرزمینی) متمرکز شده است. به بیان دیگر مدلسازی و برآورد منابع آب زیرزمینی با مدل های مختلف خطی و غیرخطی صورت پذیرفته است. در این راستا، خوشه بندی براساس نقشه های خود سازمانده ((som) self-organizing map ) برای تعیین مناطقی همگن از نظر داده های آب زیرزمینی جهت استفاده در مدل های هوش مصنوعی برای مدلسازی منابع آب زیرزمینی استفاده شد. تبدیل موجک برای استخراج ویژگی های زمانی و ناایستایی سری های زمانی تراز آب زیرزمینی، بارش و رواناب بکار رفت. تابع اطلاعات مشترک ((mi)mutual information ) به عنوان معیاری برای اندازه گیری روابط غیرخطی و تبدیل وابستگی موجکی ((wtc)wavelet transform coherence ) به عنوان معیار اندازه گیری روابط فرکانسی برای انتخاب ورودی های موثر مدل های شبکه عصبی و نروفازی استفاده شد. عملکرد مدل های مختلف هوش مصنوعی با روش پیشنهادی جدید هوش مصنوعی-موجکی مقایسه شد. در این مدلسازی از مدل های هوش-مصنوعی برای پیش بینی یک و چند ماه جلوتر و پرکردن داده های مفقوده تراز آب زیرزمینی تحت 3 سناریو و پیش بینی پارامترهای کیفی آب زیرزمینی (هدایت الکتریکی و مقدار کل جامدات محلول) استفاده گردید. نتایج نشان داد که روش پیشنهادی در ترکیب با روش خوشه بندی som، ابعاد متغیرهای ورودی را کاهش داده و در نتیجه پیچیدگی مدل های هوش مصنوعی را کاهش می دهد. از طرف دیگر، اعمال تبدیل موجک به داده های تراز آب زیرزمینی دشت اردبیل، عملکرد مدل های شبکه عصبی را بطور متوسط تا 75/15% و مدل های نرو-فازی را 58/9% را بهبود بخشید. همچنین، استفاده از ابزار وابستگی موجکی نیز عملکرد مدل های شبکه عصبی را 82/23% و مدل های نرو-فازی را 38/15% در مدلسازی تراز آب زیرزمینی حوضه تامپابای بهبود داد. استفاده از ابزار mi نیز دقت مدلسازی هوش مصنوعی را در مدلسازی پارامترهای کیفی هدایت الکتریکی و مقدار کل جامدات محلول 5/84% و 17% نسبت به مدل خطی بهبود داد.

پرش هیدرولیکی متداول ترین روش جهت استهلاک انرژی جنبشی آب در پایین دست سرریزها، شوت ها و دریچه ها می باشد. به دلیل عدم قطعیت در عملکرد، روابط حاصل از تحقیقات متعدد انجام شده در زمینه تخمین مشخصات پرش هیدرولیکی جامعیتی برای تعمیم کلی ندارد. به همین دلیل ضروری است که مقدار دقیق پارامترهای پرش هیدرولیکی تخمین زده شود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.