نام پژوهشگر: رویا پورصاحبی نژاد

مدل سازی هیدرولیکی و پهنه بندی سیلاب در رودخانه ها
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده مهندسی 1390
  رویا پورصاحبی نژاد   محمد گیوه چی

به دلیل رشد روز افزون جمعیت و توسعه سریع زندگی شهری و روستایی در اراضی حاشیه رودخانه_ها و طبیعتا افزایش تقاضا برای ایجاد کاربری های مختلف در این اراضی، روند تجاوز به بستر و حریم رودخانه ها و دخل و تصرف غیر مجاز در آن ها افزایش یافته است. از طرفی غالبا بارش رگبار های شدید و مداوم از جمله عواملی است که سبب طغیان رودخانه ها و بروز سیل در آن ها می گردد. جاری شدن سیل معمولا موجب ایجاد خسارات مالی و جانی زیادی می گردد. امروزه به منظور کاهش اثرات تخریبی سیلاب و جلوگیری از تجاوز و دخل و تصرف غیرقانونی در این گونه اراضی، مطالعه جریان های سیلابی و تعیین حریم رودخانه ها با توجه به میزان گسترش جریان آب، بیش از پیش مورد اهمیت قرار گرفته است که اصطلاحا پهنه بندی سیلاب نامیده می شود. به منظور مشخص ساختن پهنه سیلابی رودخانه های کهنوج و فاروب رومان و تعیین نقاط با خطر نسبی بالا در این رودخانه ها از نتایج مدل سازی هیدرولیکی نرم افزار hec ras و قابلیت نمایش نتایج حاصله با استفاده از نرم افزار gis استفاده شد. در این روش برای محاسبه پهنه سیلابی، داشتن اطلاعات جامع توپوگرافی منطقه و شرایط هیدرولیکی جریان در طول رودخانه ضروری است. در منطقه ای مثل کهنوج که با محدودیت اطلاعات آماری مواجه هستیم می توان با استفاده از روش های شبکه عصبی مصنوعی، فازی و سیستم استنتاج فازی عصبی به پیش بینی هیدرولیکی جریان در مقطع بحرانی رودخانه پرداخت و با استفاده از شرایط توپوگرافی زمین در آن منطقه، پهنه سیلاب با دوره بازگشت های مختلف را تعیین نمود. در این تحقیق با استفاده از آمار ارتفاع آب و دبی جریان چهار ایستگاه بالادست رودخانه کهنوج با سه روش شبکه عصبی، سیستم فازی و سیستم استنتاج فازی-عصبی به پیش بینی ارتفاع سطح آب در مقطع پایین دست پرداخته شد و به منظور بررسی نتایج مدل ها از سه ضریب همبستگی، انحراف معیار و میانگین خطای داده ها استفاده گردید. نتایج تحقیق حاکی از برتری سیستم استنتاج فازی-عصبی در پیش بینی ارتفاع جریان در مقطع پایین دست نسبت به دو روش دیگر بود. آموزش شبکه عصبی با استفاده از داده های موجود و تعیین قوانین فازی بصورت دقیق را می توان یکی از دلایل برتری روش شبکه های فازی-عصبی نسبت به روش های دیگر دانست.