در این پایان نامه، مدل ریاضی رفتار جریان غیر دائمی و تغییرات بستر در یک آبراهه فرسایش پذیر مورد بررسی و شبیه سازی قرار گرفته است. بدین منظور معادلات سن و نان- اکسنر برای جریان غیر دائمی متغیر تدریجی و پیوستگی رسوب با روش اصلاح شده و دو مرحله ای ریچ مایر و روش مک کورمک با دقت بالا و مرتبه دوم زمانی و مکانی، به صورت صریح و مزدوج تحلیل گشته است. صحت عملکرد و نتایج مدل ریاضی با داده های آزمایشگاهی مورد مقایسه و ارزیابی قرار گرفته است . همچنین با ملحوظ داشتن داده های هیدرولیکی و ابعاد هندسی رودخانه الند در بازه بدلان تغییرات پروفیل سطح آب، کف بستر و پارامترهای هیدرولیکی به صورت تابعی از زمان و مکان ارائه شده است. نتایج گویای کارائی بالای مدل در شبیه سازی و پیش بینی پروفیل بستر و جریان و امکان اعمال شرایط مختلف در آن است. جهت صحت سنجی و کالیبراسیون مدل مذکور، مطالعات تجربی در یک کانال آزمایشگاهی انتقال رسوب با بستر متحرک انجام شد. برای تقویت شبیه سازی مذکور، اولاً، نقش معادلات انتقال رسوب، تحلیل مزدوج و غیر مزدوج معادلات حاکم و ساده سازی معادله پیوستگی جریان مورد بررسی قرار گرفت. مقایسه بین خروجی مدل و داده های تجربی حاکی از نقش اساسی مدلهای انتقال رسوب در شبیه سازی تغییرات بستر، و افزایش خطای محاسباتی به دلیل تحلیل غیر مزدوج و ساده سازی معادله پیوستگی جریان است. ثانیاً، مدل مذکور به دلیل تغییرات زبری بستر، با ضرائب مانینگ بهینه مورد ارزیابی قرار گرفت. بدین منظور مسئله معکوس تخمین ضریب زبری با تحلیل همزمان و مرتبط معادلات حاکم با الگوریتم بهینه سازی ژنتیک مورد بررسی قرار گرفت. نتایج مطالعه نشان می دهد که کاربرد الگوریتم ژنتیک در جستجوی ضرایب زبری بهینه و به کارگیری همزمان آن در مدل مذکور باعث کاهش عمده خطاهای عددی و تقویت شبیه سازی تغییرات جریان می شود. در مرحله بعدی برای به دست آوردن ضریب مقاومت به صورت متغیر وابسته با استفاده از روش برنامه نویسی ژنتیک و نیز بررسی قابلیت و کارائی gp در شناخت پارامترهای موثر بر مقاومت جریان، مجموعه آزمایش های لازم در آزمایشگاه هیدرولیک موسسه تحقیقاتی cnrs متعلق به دانشگاه کان فرانسه ترتیب داده شد. مقایسه داده های اندازه گیری شده ، خروجی های مدل و نتایج برازش آماری، نشان دهنده دقت نسبتاً بالای gp در شبیه سازی ضریب زبری یک بستر فرسایشی می باشد. نتایج برتر gpگویای این واقعیت است که بسیاری از روابط غیر خطی موجود، جهت محاسبه ضریب اصطکاک ساده سازی شده و حذف برخی پارامترها و روابط پیچیده آنها باعث ایجاد خطاهای ماندگاری در روابط مربوطه گشته است. . در این تحقیق، حذف sw یا شیب سطح آب منجر به ایجاد خطاهای قابل توجهی در برآورد زبری بستر متحرک می شود. بنابراین sw به عنوان پارامتری مهم و تأثیرگذار درمدلسازی مقاومت جریان بوده وصرفنظر کردن از آن موجب بروز خطاهای قابل توجهی خواهد شد.حذف عدد fr از پارامترهای مستقل منجر به بهبود نسبی نتایج نهائی شبیه سازی می گردد در حالیکه حذف عدد re از ترمینال های ورودی، باعث بروز و افزایش خطای مدلسازی می گردد. بررسی آماری نتایج گویای آن است که مواردی نظیر شکل بی بعد تابع هدف یا متغیر وابسته، نوع توابع به کار گرفته شده جهت تحلیل و نیز روند آموزش وتست در مدلسازی با gp تاثیر گذار بوده و حائز اهمیت است.

اندازه گیری دبی در رودخانه ها یک مسئله چالش برانگیز برای مهندسین هیدرولیک است. رابطه ی دبی- سطح آب یک روش تقریبی است که برای تخمین دبی در رودخانه ها و کانال های باز به کار گرفته می شود. برای کاربردهای مختلف هیدرولوژیکی, مهندسی رودخانه و کنترل پروژه های منابع آبی, اطلاعات دقیق درباره میزان جریان در رودخانه ها بسیار مهم است. اندازه گیری سطح آب در مقایسه با اندازه گیری دبی آسان تر است. رابطه ی دبی- اشل در یک مقطع عرضی خاص از رودخانه حتی هنگامی که به دقت اندازه گیری می شود, تحت اثر چندین عامل است که نه به درستی فهمیده می شود و نه به سادگی اندازه گرفته می شود و این بدین علت است که دبی به تنهایی تابعی از سطح آب نیست, دبی به شیب طولی رودخانه, هندسه ی کانال, زبری بستر و... بستگی دارد. به هرحال اندازه گیری این پارامترها در هر گام زمانی و هر مقطع امکان پذیر نیست و نیاز است تا رابطه ی دقیقی را بین دبی- سطح آب داشته باشیم. روش های پارامتری رگرسیونی متداول معمولا در مدل کردن این رابطه ناموفق هستند در این مطالعه از یک سو از الگوریتم های تکاملی نظیر برنامه نویسی gep و بهینه کردن ضرائب منحنی سنجه توسط ga و از سوی دیگر روش های محاسباتی نرم مانند ffbp, rbf,grnn, anfis مورد بررسی قرار گرفت. نتایج نشان دادند که روش های محاسباتی نرم ffbp, rbf از تمامی روش ها در پیش بینی دبی جریان کارآمدتر بوده و در مرحله ی بعد الگوریتم تکاملی gep و در رتبه سوم مدل anfis به ترتیب عملکرد بهتری داشتند. هم چنین نتایج نشان دادند که بهینه سازی ضرائب منحنی سنجه توسط ga در ایستگاه مذکور باعث بهبود پارامترهای ارزیابی و کاهش نسبی خطای پیش بینی می شود. هم چنین قابل ذکر است که بهترین مدل حاصل شده در ایستگاه مذکور از مدل با ورودی ht است که نشان می دهد بیشترین هم بستگی دبی با اشل همان روز است.

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.

پل ها از جمله مهمترین سازه های رودخانه ای هستند و به عنوان کلید راه های ارتباطی از اهمیت زیادی برخوردار هستند. یکی از مهم ترین و موثرترین عوامل تخریب پل ها آبشستگی اطراف پایه های پل می باشد. محققین زیادی پدیده آبشستگی را مطالعه کرده و روابط مختلفی به منظور برآورد میزان آبشستگی ارائه نموده اند. تاکنون کاربرد این معادلات برای برآورد میزان عمق آبشستگی در یک موقعیت خاص غالباً نتایج کاملاً متفاوتی داده است. انتخاب معادله ای که نتایج آن با واقعیت تطابق بیش تری داشته باشد در صورت امکان پذیر بودن، کار ساده ای نیست. تعیین رابطه میان پارامترهای موثر بر عمق آبشستگی، حداکثر مقدار آن و یافتن تابع حاکم بر آنها از موضوعات مهم در مهندسی هیدرولیک است.تعیین دقیق عمق آبشستگی پایه ها، برای طراحی ایمن و اقتصادی پایه های پل ضروری است. زیرا تخمین پایین عمق آبشستگی ممکن است منجر به تخریب پل و تخمین بالا، منجر به هزینه های اضافی می گردد. روند آبشستگی اطراف پایه های پل بسیار پیچیده است. زیرا به بسیاری از متغیرها از قبیل مشخصات جریان، پایه و مصالح بستر وابسته است. بنابراین تعیین و فرمول بندی ریاضی مدل روند آبشستگی تحت تأثیر همه ی عوامل بسیار مشکل است. امروزه با پیشرفت علم و تکنولو‍‍‍ژی و گسترش استفاده از سیستم های کامپیوتری در محاسبات سنگین، سیستم های هوشمند کامپیوتری و به طور کلی هوش مصنوعی از اهمیت روز افزونی برخوردار شده اند. عمق آبشستگی را با استفاده از روش های تحلیلی، تجربی کامل، نیمه تجربی ونیز هوش مصنوعی که شامل شبکه های عصبی مصنوعی و برنامه ریزی ژنتیک است، می توان محاسبه کرد. در این پایان نامه با استفاده از داده های آزمایشگاهی و میدانی، قابلیت و کارائی شاخه ای از سیستم های هوش مصنوعی شامل برنامه ریزی ژنتیک در تخمین عمق آبشستگی پایه های پل در مقایسه با روابط تجربی موجود در خاک های غیر چسبنده و هم چنین اثر پارامترهای هیدرولیکی، مشخصات پایه و بستر مورد بررسی قرار گرفته است.

مدل های هیدرولوژیکی ابزاری مهم در مطالعه ی اقلیم و فرآیندهای هیدرولوژیکی حوضه ها هستند که در مدیریت منابع آب، کنترل سیلاب و پیش بینی دبی جریان در رودخانه ها همواره مورد استفاده قرار گرفته اند. در سال های اخیر به علت خاصیت غیر خطی، وابستگی به متغییرهای زمانی و مکانی و همچنین خاصیت استوکستیکی بالای فرآیندهای هیدرولوژیکی، مدل های متعددی برای مدل سازی این پدیده ها ارائه شده اند. با وجود طیف گسترده ای از مدل های هیدرولوژیکی هنوز نمی توان مدل واحدی را برای انواع حوضه ها که تحت هر شرایطی نسبت به دیگران عملکرد بهتری داشته باشد معرفی کرد.به عنوان یک اصل، ناکامی و شکست مدل در ایجاد یک پیش بینی قابل قبول و بدون تناقض ممکن است اعتبار یک مدل و اعتماد هیدرولوژیست را به چنین سیستمی کاهش دهد، بنابراین در یک رویکرد جدید می توان به جای انتخاب یک مدل هیدرولوژیکی منحصر به فرد، ترکیبی از مدل های گوناگون هیدرولوژیکی را به طور همزمان در نظر گرفت که یک روش بهینه در پیش بینی فرآیندهای هیدرولوژیکی می باشد. از طرفی، در مدل سازی های مبتنی بر داده کیفیت و همگنی داده ها می تواند در زمان لازم برای مدل سازی و افزایش دقت مدل ارائه شده موثر باشد که در این راستا خوشه بندی به عنوان روشی تحلیلی برای پیش پردازش داده ها به کار برده خواهد شد، لیکن روش های مختلف خوشه بندی می تواند منجر به نتایج گوناگون گردد، لذا یک رویکرد ترکیبی از روش های خوشه بندی گوناگون بسیار مفید خواهد بود. در این تحقیق ابتدا برای داده های هیدرولوژیکی با بهره گیری از چهار مدل شبکه عصبی مصنوعی (ann) ، سیستم استنتاج فازی عصبی تطبیقی (anfis) و آریما (arima) مدل سازی اولیه صورت می گیرد، سپس در گام دوم با به کارگیری مفهوم پیش بینی مجموعه ای یک ترکیب بهینه از مدل های موجود ارائه خواهد شد. در مرحله ی بعد برای پیش پردازش داده ها، ابتدا با استفاده از سه روش خوشه بندی k-mean ، ward و som داده ها در خوشه های همگن طبقه بندی شده و سپس برای افزایش کیفیت و پایداری خوشه های ارائه شده از مفهوم نمودار تشابه در خوشه بندی مجموعه ای استفاده می شود. در آخر با اعمال روش پیش بینی مجموعه ای بر روی هرکدام از خوشه های بدست آمده از گام قبلی مدل نهایی ارائه شده و نتایج بدست آمده در هر چهار گام مورد بحث و مقایسه قرار می گیرند.

در دهه های اخیر سدهای زیادی در دنیا و هم چنین ایران ساخته شده است. با گذشت زمان و فرسوده شدن سدها در اثر زلزله و سایر عوامل مخرب، امکان ایجاد آسیب و تغییر در سد و تکیه گاه وجود دارد. لذا این سدها به مراقبت و نوعی پایش سلامت نیاز دارند که بطور دوره ای و پس از وقوع هر زلزله یا حتی ارتعاشات محیطی، این بررسی انجام شود و از سالم بودن سد، تکیه گاه و سایر عوامل تأثیرگذار اطمینان حاصل نمود. از طرفی هزینه ی هنگفت انجام مطالعات و ساخت سد نیز بر لزوم نگهداری هر چه دقیقتر از آن تأکید می کند. برای بررسی رکوردهای ثبت شده و پایش سلامت سد نیاز به انجام مطالعات شناسایی سیستم سد می باشد. مطالعات شناسایی سیستم سد را می توان با استفاده از ارتعاشات اجباری و هم چنین با استفاده از ارتعاشات محیطی ثبت شده انجام داد. آزمایشات ارتعاشات اجباری علاوه بر هزینه بر بودن، احتمال ایجاد خرابی در سازه ی سد را نیز در پی دارد لذا بهترین راه برای شناسایی سیستم سد، استفاده از ارتعاشات محیطی ثبت شده است. در این پایان نامه نیز برای شناسایی سیستم از ارتعاشات محیطی ثبت شده استفاده شده است. در این پایان نامه برای از بین بردن این نقایص و استخراج پارامترهای مودال از روش های تجزیه ی حوزه ی زمان-فرکانس استفاده شده است. برای شناسایی سیستم سد کدنویسی در محیط matlab انجام شده است. در پایان و پس از شناسایی سیستم سد و استخراج پارامترهای مودال (فرکانس های طبیعی، ضرایب میرایی و اشکال مودی)، مدل اجزای محدود سد نیز ساخته شده و پارامترهای فوق در آن محاسبه و با مقادیر به دست آمده از برنامه ی نوشته شده، مقایسه شده است. هدف از این مقایسه بروز کردن (کالیبراسیون) مشخصات سد و تکیه گاه و بعبارتی نزدیک کردن مدل اجزای محدود سد به حالت واقعی است. در این پایان نامه از سد کارون3 که یکی از بزرگترین سدهای دو قوسی کشور می باشد، به عنوان مطالعه ی موردی استفاده شده است. برای کالیبراسیون مدل اجزای محدود از نرم افزار abaqus استفاده شده است. این نرم افزار با قابلیت در نظر گرفتن رفتار غیر خطی بتن، پاسخ های دقیقی از رفتار سد ارایه می دهد.

چکیده مدیریت سیستم های آبرسانی و توزیع آّب و در تعاقب آن مدیریت و طراحی شبکه های جمع آوری فاضلاب شهری، مستلزم تعیین میزان آب مورد نیاز شهری در محدوده زمانی و مکانی معین می باشد.در این تحقیق از شبکه های عصبی مصنوعی برای پیش بینی زمانی مصرف آب شهر صوفیان استفاده شده است همچنین جهت بهینه سازی شبکه و آموزش آن از الگوریتم رقابت استعماری استفاده شده است. برای پیش بینی مکانی مصرف آب ، از علم زمین آمار و از نرم افزار gs+ استفاده شده است. از داده های ایستگاه هواشناسی صوفیان و مصارف آب ماخوذه از شرکت آب و فاضلاب به منظور آموزش، صحت سنجی و ارزیابی مدل ترکیبی پیشنهادی در این رساله استفاده شده است.با توجه به اینکه داده های موجود در فواصل زمانی دو ماهه در دسترس بوده اند مدل تهیه شده نیز از توانایی مشابهی برخوردار خواهد بود.نتایج بدست آمده از بکارگیری ترکیب شبکه عصبی و الگوریتم رقابت استعماری ، نشان دهنده قابلیت بالای مدل در پیش بینی زمانی مصرف آب نسبت به شبکه های عصبی با الگوریتم بهینه ساز کلاسیک، مانند الگوریتم لونبرگ مارکوات می باشد.همچنین نتایج نشان می دهد استفاده از علم زمین آمار در یافتن مقادیر مصرف آب در نقاط مجهول، می تواند موثر و مفید واقع باشد.

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.

در سال های اخیر با رخ داد سیلاب های پرخسارت، اهمیت مدیریت آن بیش از پیش پر رنگ تر شده و محققین به دنبال توسعه روش های جدید برای کنترل سیلاب هستند. مدیریت سیلاب شامل اقداماتی برای جلوگیری از وقوع سیلاب و یا کاهش اثرات مخرب آن می باشد. استفاده از اقدامات سازه ای برای مدیریت سیلاب از دیرباز مرسوم بوده است. در این تحقیق اقدامات سازه ای مورد مطالعه خواهند بود. سدهای تاخیری، خاکریزی کنار رودخانه، استفاده از کیسه های خاک، ضدآب کردن سازه ها و ... از جمله این اقدامات هستند. البته این اقدامات برای مدیریت سیلاب نیازمند صرف هزینه، تبعات اجتماعی و زیست محیطی هستند. از انجایی که وقوع سیلاب با عدم قطعیت همراه است، تعیین این امر که کدامین اقدام سازه ای و یا ترکیبی از آن ها موثرترین اقدام برای جلوگیری از وقوع سیلاب و یا کاهش خسارات بالقوه سیلاب می باشد، حائز اهمیت می باشد. در این میان نحوه و شرایط اعمال و مکان یابی احداث سازه های جلوگیری کننده از سیلاب و یا کاهش دهنده خسارات ناشی از آن، همیشه یک سوال مطرح بوده است. در این تحقیق با ارائه یک مدل شبیه سازی – بهینه سازی، نحوه و شرایط اعمال اقدامات سازه ای برای یک حوضه آبریز، برای سیلاب ها با دوره بازگشت های مشخص، بهینه سازی شده است. در این بهینه سازی میزان خسارات بالقوه با در نظر گرفتن ترکیبی از اقدامات کمینه می گردد، و در عین حال میزان هزینه اقتصادی برای اعمال اقدامات نیز باید کمینه شود. بدین ترتیب حالات بهینه اقدامات استخراج می گردد و مجموعه جواب های پارتو حاصل می شود و از میان این جواب ها یک جواب بهینه انتخاب می شود. لذا هدف تحقیق بهینه سازی چند هدفه می باشد که توابع آن تابع خسارت و تابع هزینه ساخت در یک راستا و هم سو با یکدیگر نمی باشند و با یکدیگر در رقابتند. در این تحقیق از ابزار nsga-ii به عنوان مدل بهینه سازی استفاده شده که با یک مدل شبیه سازی هیدرولیکی سیلاب در توسعه محدودیت ها و شرایط مساله، جفت شده تا جواب های پارتو را در فضای امکان پذیر بدست آورد. از نرم افزار hec-ras4.0 در تهیه مدل شبیه سازی هیدرولیکی سیلاب به صورت جریان غیرماندگار استفاده گردیده و به کمک تراز سطح آب که یکی از خروجی های این نرم افزار است، میزان خسارت بالقوه محاسبه شده است. در نهایت مدل پیشنهادی برای قسمتی از رودخانه قره سو واقع در استان کرمانشاه، در دشت ماهیدشت اجرا شده است. در این رودخانه برای سیلاب های مختلف، ارتفاع یک سد تاخیری و طول و ارتفاع سه خاکریز جانبی طراحی گردیده و جواب های پارتو به قسمی که تابع خسارت و تابع هزینه کمینه گردند، برآورد گردیده است. از میان جواب های پارتو یک جواب با استفاده از تئوری بازی به عنوان جواب بهینه نهایی انتخاب شده است. اجرای مدیریت سیلاب رودخانه قره سو برای سیلاب با دوره های مختلف باعث سودآوری خوبی از لحاظ کاهش خسارت شده است.

پیش بینی بار معلق رسوبی به دلیل اثرات آن روی شاخص های کیفی آب، تقلیل گنجایش مخازن و تغییر در مورفولوژی رودخانه ها از اهمیت ویژه ای برخوردار است. لذا ارائه ی راهکارهای نوین جهت برآورد دقیق بار جامد یک رودخانه نقش مهمی در پیشبرد صحیح مطالعات مهندسی رودخانه و مدیریت صحیح یک حوزه ی آبریز خواهد داشت. به دلیل تأثیر پارامترهای مختلف بر انتقال رسوبات در رودخانه تعیین معادلات حاکم بر آن مشکل بوده و مدلهای کلاسیک ریاضی نیز در این راستا از دقت کافی برخوردار نیستند. در این پایان نامه از روش ماشین بردار پشتیبان (svm)به عنوان روش هوشمند و نیز روش برنامه ریزی بیان ژن به عنوان یک روش تکاملی برای تخمین بار معلق رسوبی یک رودخانه طبیعی در سه ایستگاه هیدرومتریک متوالی استفاده شده است و امکان ارتباط بین ایستگاهها مورد ارزیابی قرار گرفته است. بدین منظور از داده های هیدرولیکی یک رودخانه و بار جامد معلق اندازه گیری شده که از مراجع معتبر اخذ گردیده، برای تشکیل مدلهای ورودی استفاده شده است. مدلهای ورودی، مدلهای متعددی متشکل از دبی جریان و رسوب روزهای قبل می باشد که با استفاده از برنامه ریزی بیان ژن مدل برتر و ورودی های برتر شناسایی شده است. سپس از پیش بینی های برنامه ریزی ژنتیک به عنوان داده های برتر در سیستم svm استفاده شده و با ارزیابی نتایج، بهترین مدل انتخاب شده و در نهایت با مقایسه ی نتایج روشهای svm و gep کارایی آنها در برآورد بار معلق رسوبی بررسی می شود.

پدیده ضربه قوچ به عنوان یک پدیده زودگذر، میرا و مخرب در سیستمهای انتقال و خطوط لوله می باشد که می تواند در اثر تغییر ناگهانی شرایط مرزی خط لوله در اثر باز و بسته شدن ناگهانی شیر فلکه، روشن و خاموش شدن ناگهانی پمپ و توربین، شکستگی خطوط انتقال، عدم دقت در پر کردن خطوط خالی در ابتدای راه اندازی و . . . ایجاد شود. موجهای فشاری ناشی از این پدیده که در اثر تغییر سرعت بوجود آمده اند تنش های بسیار زیادی در اجزای سیستم ایجاد نموده و موجب از بین رفتن لوله ها و اتصالات و پوسته پمپ می شود. میزان اضافه فشار وارده در اثر این پدیده به عوامل مختلفی از جمله قطر لوله، جنس لوله، ضخامت جدار لوله، ممان اینرسی پمپهای استفاده شده و غیره . . . بستگی دارد. در اثر این پدیده فشار وارده بر سیستم انتقال تا چندین برابر فشار در حالت کارکرد عادی سیستم شده و در صورت عدم اتخاذ تدابیر لازم جهت کنترل آن موجب وارد آمدن صدمات جبران ناپذیر به تأسیسات، لوله ها، پمپها، و اتصالات و غیره . . . خواهد شد. از جمله سیستمهای کنترل این پدیده می توان به شیرهای کنترل، چرخ طیار، محفظه هوایی و . . . اشاره کرد. در این پایان نامه با مدل کردن خط انتقال آب شرب شهرستان خوی با استفاده از نرم افزارbentley hammer xmv:8، روند تأثیر عوامل موثر در پدیده ضربه قوچ و سیستمهای کاهنده آن بررسی و درصد تأثیر هر کدام از عوامل موثر مورد مقایسه قرار گرفته است. در این تحقیق مشخص گردید با افزایش قطر لوله از 1200 به 1600 میلیمتر در لوله های آهنی فشار ماکزیمم از 479 به 349 متر و به میزان 27% کاهش می یابد. با تغییر جنس لوله از آهنی به grp و با کاهش مدول الاستیسیته لوله فشار ماکزیمم از 479 به 319 متر و به میزان 33% کاهش می یابد.با افزایش ممان اینرسی پمپ تا 3 برابر، شاهد کاهش فشار ماکزیمم به میزان 21% می باشیم و لیکن هیچکدام به تنهایی کنترل کننده فشار منفی نمی باشند. با استفاده از لوازم حفاظتی تکی و ترکیبی نتیجه گیری گردید که مخزن ضربه گیر به همراه چرخ طیار با کنترل فشار ماکزیمم به میزان 35% و کنترل فشار مینیمم بهترین کنترل کننده می باشند.

اهمیت مسائل اقتصادی در کارهای مهندسی و طراحی به حدی است که باید در طرح ها و اجرای عملیات ساخت و بهره برداری، مساله هزینه مورد توجه خاص قرار گیرد. به همین منظور محققین همواره به دنبال ایجاد روشهای متعدد بهینه سازی در طراحی و بهره برداری شبکه های آبرسانی بوده اند تا بتوانند راه حل بهینه ای را برای اینگونه مسائل ارائه دهند.در این تحقیق برای ایجاد مدل شبکه آبرسانی شهر سیه چشمه و بهینه سازی آن از الگوریتم ژنتیک طراحی شده در نرم افزار watergems که در سه حالت مختلف مورد بررسی قرار می گیرد، استفاده شده است. که شامل بهینه سازی با استفاده از لوله های پلی اتیلن با سایز و مشخصات موجود در بازار ، بهینه سازی با استفاده از لوله های آزبست سیمانی و پلی اتیلن مشابه وضعیت موجود و همچنین بهینه سازی با استفاده از لوله های g.r.p می باشد. که بهینه سازی به روش الگوریتم ژنتیک در حالت اول حدود 68/24 درصد کاهش ، حالت دوم حدود 66/20 درصد کاهش و حالت سوم حدود 83 درصد افزایش در هزینه های اجرایی طرح را باعث گردید.

کنترل نشت آب و میزان دبی نشتی یکی از عوامل مهم در پایداری و بهره برداری سدهای خاکی محسوب می شود. با توجه به ساختگاه سد، نوع و هندسه بدنه سد روش های مختلفی برای آببندی مخزن سدها وجود دارد. هدف اصلی این تحقیق بررسی تأثیر روش های مختلف آببندی و مقایسه آنها با یکدیگر در میزان دبی نشتی سد خاکی گیوی بصورت مطالعه موردی می باشد. جهت آنالیز نشت و ساخت مدل های لازم، از نرم افزار اجزاء محدود seep/w مربوط به گروه نرم افزاری geostudio استفاده شده است. در ساخت مدل سعی بر این بوده است که از اکثر روش های کنترل و کاهش دبی نشت استفاده شود و عوامل موثر بر روش های مختلف آببندی از قبیل بررسی طول و موقعیت پرده آببند، طول پتوی رسی و پوشش بتنی، تغییر عرض هسته، تغییر عرض فیلتر، بصورت پارامتریک بررسی گردیده است. نتایج آنالیزها نشان می دهد که با تغییر در طول و مکان پرده آببند به اندازه 15 درصد عرض پایین هسته به سمت بالادست، برای طول های 70 و85 درصد ارتفاع کل پرده، میزان دبی نشت بیشترین کاهش را داشته است. همان طور که انتظار می رفت با افزایش عرض هسته، دبی عبوری از سد کاهش محسوسی یافت. همچنین در خصوص نرخ کاهش دبی نشتی در حالت استفاده از پتوی رسی ملاحظه گردید که شیب افت دبی نشت در ابتدا کم بوده و پس از افزایش طول پتوی رسی، افت دبی کاهش محسوس دارد. این کاهش دبی با در نظر گرفتن طول 200 متر 9/82درصد می باشد و افزایش طول بیشتر از این مقدار برای پتوی رسی، تأثیر محسوسی در کاهش دبی نشت نداشت. با افزایش طول پوشش بتنی شیب افت دبی نشت در ابتدا کم و با طول 75 درصد دبی نشت یکباره 9/25- درصد کاهش یافت ولی در حالت پوشش 100 درصدی، این افت با رشدی حدود 11 درصد، تقریبا دو برابر شد.

چکیده مدیریت منابع آب، وابسته به اطلاعاتی است که از ایستگاههای بارش موجود بدست می آید، بنابراین هر چه دقت داده هایی که از ایستگاهها برداشت میشود، بیشتر باشد، میزان صحت تصمیم گیری بالاتر میرود. تعیین محل ایستگاهها تاثیر مهمی بر روی دقت داده های حاصل از آنها دارد. برای این منظور حوضه آجی چای که در شمال غرب ایران، که یکی از مهمترین زیرحوضه های دریاچه ارومیه است، انتخاب شده است. وسعت این حوضه در حدود 12790کیلومتر مربع می باشد. مقدار بارانی که توسط یک بارانسنج اندازه گیری می شود، باید بتواند نمایانگر سطح وسیعی از منطقه خود باشد، از این رو هر چه در انتخاب این نقطه دقت شود، نتایج حاصله بیشتر به واقعیت نزدیک خواهد بود. در این تحقیق، برای مدلسازی بارش سالانه منطقه و همچنین بهینه سازی شبکه ایستگاه های باران سنجی، از دو روش درون یابی زمین آماری، کریجینگ بلوکی و کوکریجینگ بلوکی( با پارامتر کمکی ارتفاع ) در نرم افزار gs+، استفاده شده است. با مقایسه مجذور میانگین مربعات خطا در دو روش زمین آماری مذکور، مشخص شد که تخمینگر زمین آماری کوکریجینگ بلوکی نسبت به کریجینگ بلوکی از دقت بهتری برخوردار است. با هدف کاهش واریانس تخمین متوسط منطقه تا حدی که این کاهش به مقدار تقریبا ثابتی برسد، در مکان هایی که دارای واریانس تخمین بیشتری بودند، نسبت به اضافه نمودن ایستگاه های باران سنجی در این مناطق اقدام شد. با توجه به 36 ایستگاه موجود در منطقه، 13 ایستگاه جدید نیز به منطقه مورد مطالعه اضافه گردید که با اضافه شدن ایستگاه های جدید در منطقه، در روش زمین آماری کوکریجینگ بلوکی، مقدار واریانس تخمین متوسط منطقه، حدوداً 80 درصد و در روش زمین آماری کریجینگ بلوکی حدوداً 50 درصد، کاهش پیدا کرده است.

ضریب زبری هیدرولیکی در شرایط متنوع و پیچیده جریان متاثر از عوامل مختلفی می باشد، بنابراین تحقیقات گسترده ای بر روی شرایط متنوع جریان صورت پذیرفته و طیف گسترده ای از روابط ارائه شده است ولی تا کنون رابطه ای دقیق برای برآورد ضریب زبری در جریان های سطحی مشابه آنچه در طبیعت اتفاق می افتد، ارائه نشده است. در تحقیق حاضر از روش های هوشمند برنامه ریزی بیان ژن gep و ماشین بردار پشتیبان svm برای تخمین مقاومت جریان های سطحی و نیز زبری های موثر بر مقاومت جریان استفاده خواهد شد

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.

مشاهده و ثبت رفتار سدهای خاکی طی مرحله ساخت و در دوران بهره برداری اهمیت بسیار زیادی دارد، از این رو به منظور دستیابی به این هدف، وسایل و ابزار مناسبی در پی، تکیه گاه های جانبی و بدنه سد نصب و داده های حاصله به صورت مستمر مورد تجزیه و تحلیل قرار می گیرد .کارآیی دو روش svm و gep در تخمین دبی نش ت از سد، نشان داد برای پیش بینی دبی نشت پیزومترهای موجود در پی متغیرهای موثرتری نسبت به پیزومترهای موجود در بدنه هستند، و بهینه ترین پیزومتر نیز در قسمت بالادست پی سد زنوز واقع شده است