تزریق یک آلاینده خارجی سمی در شبکه توزیع آب شهری در مسیر انتقال آب به مصرف کننده، به عنوان یک تهدید تروریستی بالقوه همواره مطرح بوده و تاریخ گواه رخداد نمونه هایی از آن است. در شبکه توزیع آب با توجه به خسارات جبران ناپذیر وقوع این حادثه در تهدید جان تعداد کثیری از مصرف کنندگان تشخیص سریع وقوع حادثه از اهمیت بسیاری برخوردار است. بنابراین طراحی سامانه ای جهت تشخیص و اعلام رخ داد این حادثه در مطالعات پدافند غیرعامل، از اهداف مهمی است که مستلزم تشخیص نقاط پتانسیل تزریق آلودگی تعمدی است. این سامانه بهینه اعلام خطر متشکل از تعدادی ایستگاه پایش با هدف گزارش دهی وقوع نفوذ مواد سمی در مجاورت گره های شبکه توزیع آب است که انتخاب محل و تعداد بهینه آن ها با توجه به عدم قطعیت های موجود در میزان و محل تزریق آلاینده بسیار پیچیده و چالش برانگیز است. در تحقیق حاضر، از تلفیق دو مدل شبیه سازی (مدل epanet) و بهینه سازی چندهدفه (nsga-ii) ابزاری برای طراحی سامانه بهینه تشخیص ارائه گردیده است که مبتنی بر تأمین اهدافی نظیر کمینه نمودن تعداد ایستگاه های پایش مورد نیاز، تعداد جمعیت تحت تأثیر در لحظه تشخیص آلودگی و تعداد حالت های عدم تشخیص در یک تحلیل مونت کارلو است. نتایج حاصل از کاربرد روش پیشنهادی در شبکه توزیع آب شهر لامرد، مبین توانایی آن در طراحی سامانه بهینه اعلام خطر نفوذ تعمدی آلاینده در شبکه توزیع آب شهری است.

نشت از شبکه های توزیع آب در ایران، درصد قابل توجهی از تلفات آب به حساب نیامده فیزیکی را تشکیل و موجب اتلاف آب و خسارتهای اقتصادی زیادی می باشد. در این تحقیق با استفاده از قابلیت های مدل تحلیل هیدرولیکی epanet 2.10 روش جدیدی در محاسبه میزان نشت لوله ها در شبکه های توزیع آب شهری ارائه شده است. در این روش با اندازه گیری جریان حداقل شبانه به داخل یک منطقه، نشت کلی شبکه براساس استانداردهای iwa مشخص می شود. سپس با تقسیم مصرف هر این نتایج قابلیت زیادی در برنامه های مدیریت نشت دارد. به منظور بررسی کارایی روش پیشنهادی بر روی شبکه های حقیقی آبرسانی، بخشی از شبکه توزیع آب شهری شهرستان پارساباد مغان (استان اردبیل) به عنوان مدل نمونه انتخاب گردیده است. فشارها در این شبکه و نیز جریان ورودی به شبکه توسط یک دیتالاگر به صورت پیوسته در طول مدت یک هفته اندازه گیری گردیده است. نتایج به دست آمده بر روی شبکه پایلوت کارآمدی روش در شناسایی گره های دارای نشت و مقدار آن را در زمان حداقل جریان شبانه نشان می دهد.

همواره بهره برداری بهینه از مخازن سدها از جمله مسائل بهینه سازی پیچیده ای است که به دلیل دخیل بودن فاکتورهای متعدد، به یک مدل بهینه سازی بزرگ با قیدهای متعدد می انجامد که اجرای این مسأله بزرگ بهینه سازی در کنار انتخاب روش حل، با مشکل زمان اجرا مواجه است و این موضوع پویایی و کارایی این مدل ها را به شدت محدود می کند. استفاده از هوش مصنوعی و به طور خاص ماشین های بردار پشتیبان، می تواند مشکلات مذکور را برطرف نماید و در این راستا در تحقیق حاضر به پیش بینی عملکرد بهینه مخزن سد زاینده-رود با توجه به تأثیر متقابل عرضه آب در بالادست و پائین دست مخزن در بخش های شرب، صنعت و کشاورزی و حجم ذخیره اولیه مخزن پرداخته شده و با تدوین قوانین بهره برداری با استفاده از ماشین های بردار پشتیبان میزان بهینه آب خروجی از مخزن و انتقال به منطقه نجف آباد طوری تخمین زده میشود که حداقل اثرات منفی بلند مدت (در یک افق 20 ساله) را بر عملکرد سیستم حوضه آبریز به همراه داشته باشد.

فرآیند بارش-رواناب فرآیندی غیرخطی بوده و از حیث زمانی و مکانی تصادفی می باشد و تشریح آن با مدل های ساده به راحتی امکان پذیر نیست. بررسی تحقیقات انجام شده نشان می دهد که مدل های مبتنی بر هوش مصنوعی در مدل سازی سامانه های پیچیده عملکرد خوبی دارند. در این تحقیق ضمن بررسی و تعیین مهمترین مولفه های موثر در پیش بینی دقیق میزان رواناب رودخانه خرم آباد، عملکرد شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی عصبی-فازی در پیش بینی رواناب حاصل از بارش با دیدگاه فصلی ارزیابی گردید. نتایج نشان می دهد که در پیش بینی میزان رواناب، کارایی شبکه ی استنتاج تطبیقی عصبی-فازی بهتر از شبکه ی عصبی مصنوعی است. عملکرد مناسب سیستم استنتاج تطبیقی عصبی-فازی (anfis) مستلزم تنظیم مناسب آن است. انتخاب تابع انتقال مناسب از موارد چالش برانگیزی است که در مرحله تنظیم anfis باید انجام شود. تحقیقات گذشته نشان می دهد که تاکنون توصیه ای در ارتباط با انتخاب تابع انتقال مناسب برای مدل سازی بارش-رواناب نشده است. در این تحقیق اثر انتخاب توابع انتقال مختلف بر دقت پیش بینی های مبتنی بر ساختار anfis آموزش دیده در شبیه سازی بارش-رواناب رودخانه خرم آباد بررسی شده است. نتایج نشان می دهد که تابع انتقال گوسی و زنگوله ای بهترین کارایی را در بین توابع انتقال، برای شبیه سازی بارش-رواناب در رودخانه مورد نظر دارند.

افزایش روزافزون جمعیت جهان و ابداع تکنولوژی های نوین انگیزه ی رشد و لزوم توسعه ی پایدار را در تمامی عرصه های انسانی ایجاد و غیر قابل انکار نموده است. در نیل بشر به توسعه یافتگی پایدار دو نکته می بایست همواره مورد توجه قرار گیرد. کل هزینه های سیستم در حداقل خود با حفظ کیفیت قرار گیرد و عین حال پاسخ جامعه و محیط زیست به کل اعمال انجام شده به گونه ای باشد که استانداردهای وضع شده نقض نگردد. در این پایانامه دو مدل مورد بررسی قرار گرفته است: مدل اول با توجه به جهت جریان یک طرفه آب در رودخانه؛ از سیستم نسبت تجارت توسعه یافته فازی(fetrs) برای مدیریت کیفی رودخانه استفاده می شود. این سیستم با در نظر گرفتن میزان خودپالایی رودخانه و چگونگی پخش و انتقال آلاینده ها، نسبت تجارت فازی بین واحدها تعیین می گردد و به کمک یک روش بهینه سازی فازی الگوی تجارت بهینه را ارائه می دهد. علاوه بر آن برای در نظر گرفتن عدم قطعیت های موجود در سیستم رودخانه ای با بکارگیری آنالیز عدم قطعیت مونت کارلو ریسک تخطی از استاندارد کیفی آب در نقاط کنترل رودخانه محاسبه می گردد. در مدل دوم، از ترکیب یک مدل بهینه ساز و بازی های nash به منظور تعیین مقادیر تجارت مجوز تخلیه بار آلودگی با توجه با رفع اختلاف موجود بین تاثیر پذیران سیستم رودخانه ای و همچنین برقراری عدالت و برابری بین سود متعاقه به تخلیه کنندگان استفاده شده است. بدین منظور ابتدا منحنی تبادل بین اهداف توسط مدل الگوریتم ژنتیک nsga-ii استخراج گردید. اهداف مورد نظر هزینه تصفیه کل و ریسک فازی تخطی از استاندارد کیفی آب است. سپس توسط بازی nash تعادلnash روی منحنی تبادل اهداف که در واقع نقطه توافق بین تصمیم گیرندگان است، بدست آورده می شود. کارایی این مدل ها توسط داده های کمی و کیفی رودخانه خرم آباد واقع در استان لرستان ارزیابی شده است.

موضوع تخمین و برآورد رواناب یکی از مهم ترین و چالش برانگیزترین مراحل مطالعات و پروژه‎های عمرانی-آبی و یکی از بنیادی‎ترین موضوعات کاربردی در علم هیدرولوژی است. علاوه بر نیاز به این اطلاعات برای پروژه‎ها، در برنامه‎ریزی، مدیریت و سایر اقدامات مرتبط، وجود خطای بالا در برآورد رواناب می‎تواند سبب بروز مشکلات و مخاطرات جدی گردد. برآورد کمتر از میزان واقعی رواناب ممکن است سبب خسارات جانی و مالی ناشی از سیلاب و برآورد بیشتر آن، سبب مشکلات و مخاطرات ناشی از عدم پیش بینی خشکسالی و برنامه ریزی صحیح برای مواجه با آن شود. به علت اهمیت موضوع در توسعه پایدار، به نظر می‎رسد همواره روش‎های جدید جهت تسریع یا افزایش دقت برآورد رواناب می‎تواند موضوع قابل توجهی برای پژوهش های جدید باشد. در این پژوهش به عنوان گام ابتکاری با استفاده از مدل با قابلیت داده‎کاوی، تلاش شد تا با کمک کمترین پارامترها، مدل‎های برآورد رواناب با عملکردی قابل قبول و مطلوب ایجاد شود و نظر به تغییر اقلیم احتمالی، عملکرد و انعطاف‎پذیری مدل‎های برتر در سری زمانی پیوسته‎ و جدیدی از داده‎های مشاهداتی مورد تحلیل و ارزیابی نیز قرار گیرد. در تحلیل و ارزیابی عملکرد 18263 مدل برآورد رواناب ساخته شده توسط شبکه‎های‎ عصبی مصنوعی مختلف با استفاده از 3996 ورودی تولیدشده توسط داده‎کاوی، شبکه‎های عصبی ftdnn و fgam با الگوریتم آموزش rprop و تابع خروجی tanh با توجه به ضریب همبستگی و معیارهای اعتبارسنجی mae، rmse، nmae و nrmse در میان پنج مدل برتر نهایی فراوانی بیشتری از خود نشان دادند. در سنجش مدل‎های برتر نهایی توسط داده‎های مشاهداتی جدید و ناآشنا برای مدل ها، مدل مبتنی بر شبکه عصبی fgam بهترین نتایج ازنظر معیارهای اعتبارسنجی یادشده و مدل مبتنی بر ftdnn بهترین انطباق با روند کلی داده‎های مشاهداتی را نشان دادند. پس از تعیین مدل منتخب شبکه عصبی جهت تخمین رواناب، با استفاده از مدل‎های aogcm تلاش شد تا ضمن پیش‎بینی آثار تغییر اقلیم در حوضه موردمطالعه، نسبت به تخمین رواناب در دوره بلندمدت آتی اقدام شود که نتایج حاکی از عملکرد مطلوب‎تر مدل¬های hadcm3 و echam5 نسبت به سایر مدل‎های بررسی شده تحت سناریوی انتشار a2 در منطقه مطالعاتی بود. با توجه به نتایج کلی پژوهش که با استفاده از خروجی‎های مدل hadcm3 جهت بررسی تغییر اقلیم و مدل منتخب تخمین رواناب ایجادشده توسط شبکه عصبی مصنوعی به دست آمده است، به نظر می‎رسد با توجه به کاهش بارش، افزایش دما و تغییر در الگوی توزیع و میزان رواناب منطقه مطالعاتی در دوره‎های آتی، جهت مقابله، مدیریت و کنترل بحران‎های محتمل، در مواقع مواجه با کاهش قابل توجه در میزان رواناب، نیاز به برنامه ریزی و مدیریت بهتر منابع آب در دسترس، خصوصاً در زمان‎های با رواناب بیشتر، به شدت احساس می‎شود. اهمیت دیگر این پژوهش در آن است که علاوه بر نتایج موردنظر، کلیه پارامترهای برتر ورودی به دست آمده توسط داده‎کاوی و مدل‎های برتر هر اجرا می‎تواند به عنوان دستمایه و ابزاری کاربردی، در پژوهش‎های جدید و نوآورانه دیگر مورداستفاده قرار گیرد.

سیلاب ازمهم ترین بلایای طبیعی دردنیا محسوب می شود که معمولاً خسارات مالی و جانی فراوانی برجای می گذارد. یک سیستم هشدار سیل کارآمد، می تواند نقش مهمی در کاهش خسارات ناشی از سیلاب داشته باشد. از آنجا که کارایی سامانه های هشدار سیل بر دقت پیش بینی دبی رودخانه وابسته است، با توجه به موفقیت ماشین های بردار پشیتبان در علوم مختلف در این پایان نامه ساختاری مبتنی بر ماشین های بردار پشتیبان به منظور پیش بینی احتمالاتی دبی رودخانه ارائه شده و عملکرد آن برای رودخانه زیارت که در شمال ایران (استان گلستان) واقع است مورد ارزیابی قرار گرفته است. نتایج نشان می دهد که می توان از ماشین های بردار پشتیبان آموزش دیده به عنوان ابزاری کارآمد در پیش بینی دبی رودخانه استفاده کرد.