شبیه سازی سه بعدی روند رسوب گذاری در مخزن سد با استفاده از نرم افزار mike3 (با مطالعه ی موردی سد نهند تبریز)

پایان نامه
چکیده

سد ها از جمله بهترین روش های تولید انرژی، تأمین و ذخیره آب محسوب می شوند. رسوبگذاری در سد ها در طولانی مدت تأثیر خود را بر جای می گذارد. انباشت رسوب در مخازن، بالادست و پایین دست سد را تحت تأثیر اکوسیستمی قرار می دهد. در ایران سالانه بیش از 200 میلیون متر مکعب از گنجایش سدها بر اثر انباشته شدن رسوبات کاسته می شود. حصول روش های مناسب و دقیق در پیش بینی بار رسوبی رودخانه ها را می توان به عنوان یکی از مهمترین چالش ها در فرآیند فرسایش و رسوب گذاری دانست که تاثیر مستقیم در رسوبگذاری در مخازن سد می گذارد. همواره حجم مفید مخازن سد ها و تولید انرژی تحت تأثیر رسوبگذاری در مخازن قرار می گیرد. اگر در طراحی یک سد، مسئله ی رسوب مورد توجه قرار نگیرد، پس از مدتی سازه های آبگیری و تأسیسات نیروگاه های برق آبی با مشکل جدی مواجه می گردد. لذا ضروری به نظر می رسد که وضعیت توزیع رسوب قبل از طراحی و ساخت سد، تخمین زده شود. در این تحقیق سعی شده است که رسوب گذاری در مخزن سد نهند با استفاده از مدل مایک شبیه سازی شود. اهداف این تحقیق عبارت است از تعیین روند کاهش حجم مخزن و مقایسه ی آن با روند پیش بینی شده در مرحله ی طراحی، پیش بینی مقدار رسوب با هدف مدیریت رسوبگذاری در مخزن سد در راستای افزایش عمر مفید آن و پیش بینی تغییرات حاصله در دیواره، بستر و دریاچه ی مخزن طی دوره بهره برداری. جهت نیل به این اهداف ابتدا مدل سازی روند رسوب گذاری مخزن سد با استفاده از نرم افزار مایک انجام پذیرفت و پس از اخذ نتایج و یافتن رسوبات معلق و بستر در مخزن، نتیجه را با داده های واقعی مقایسه نمودیم و همچنین با استفاده از روش تجربی کاهش سطح روند 100 ساله رسوب گذاری در تراز های مختلف را بدست آوردیم و به این نتیجه رسیدیم که سالانه حدود 0.125 میلیون متر مکعب رسوب وارد مخزن سد نهند می شود و در صورتی که هیچگونه عملیات رسوبزدایی انجام نگیرد پس از 66 سال مخزن سد غیر قابل بهره برداری خواهد بود.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

بررسی و ارزیابی روند رسوب گذاری در مخزن سد جره با استفاده از نرم افزار cche2d

عموماً مخازن سدها مهمترین نقش را در سیستم های منابع آب دارند و از نظر اقتصادی و اجتماعی، بهره برداری بهینه از آن ها ضروری است. در حالتی که سدی بر روی رودخانه ای ساخته می شود، به جا ماندن تمامی یا بخشی از رسوبات در مخزن سد غیر قابل اجتناب است، در نتیجه به تدریج از حجم اولیه مخزن کاسته می شود و اگر پیش بینی ها و روش های کنترل مناسب صورت نگیرند، اغلب پیامد های نامطلوبی در تحقق اهداف مورد نظر خواهد ...

15 صفحه اول

پیش بینی روند رسوب گذاری در مخزن سد جیرف با استفاده از مدل gstar۳

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 رسوبگذا...

متن کامل

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 رسوبگذا...

متن کامل

تعیین پروفیل رسوب گذاری در کف مخزن سد اکباتان با استفاده از شبکه های عصبی مصنـوعی

در شبکه‌های عصبی مصنوعی (ANN) روش‌های موجود آموزش و واسنجی عصبی بر اساس ساختار پرسپترون چندلایه‌ای می باشد، لیکن این روش‌ها دارای مشکلات ناشی از عدم همگرایی در روش‌های یادگیری، عدم ثبات اوزان شبکه در شرایطی که طیف داده های ورودی دارای انحراف معیار بزرگ بوده و بالاخره نیاز به داده و اطلاعات فراوان جهت آموزش شبکه می باشند. برای غلبه بر مشکلات فوق در این تحقیق روش جدید ترکیبی شبکه عصبی مصنوعی – به...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه ارومیه - دانشکده فنی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023