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.

سیل ناشی از شکست سد همیشه منجر به خسارت های مالی و جانی فراوانی می گردد. مسأله شکست سد از لحاظ ریاضی با در نظر گرفتن برخی فرضیات ساده کننده با استفاده از معادلات سنت-ونانت بیان می شود. برای حل این معادلات اکثراً از روش های عددی به جای روش های تحلیلی استفاده می گردد. الگوهای تفاضل محدود مرتبه دوم کلاسیک در مواجهه با مسائلی که ناپیوستگیهایی را در حل مسأله شامل می شوند، دارای رفتار نوسانی در مجاورت ناپیوستگیها می باشند. در این مطالعه برای اتلاف نوسانهای نادرست الگوهای پیشبینی- اصلاح کننده معروف maccormack از تکنیک تغییرات کل از بین رونده استفاده می شود. مدل های عددی مرتبه اول lax-friedrich و مرتبه دوم maccormack با و بدون اصلاح tvd برای مدلسازی جریان شکست سد یک-بعدی مورد استفاده قرار گرفته است و سپس جهت ارزیابی و صحت سنجی مدلها، نتایج محاسباتی با نتایج تحلیلی و برخی داده های تجربی موجود در ادبیات فن مورد مقایسه قرار گرفته است. تطابق رضایت بخش حاصل از این مقایسه نشان دهنده قابلیت مدل tvd در شبیه سازی جریانهای واقعی شکست سد می باشد. لذا مدل tvd ارائه شده برای بررسی تاثیرات زبری کانال پایین دست سد در سرعتت انتشار موج ناشی از شکست سد مورد استفاده قرار می گیرد.

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.

امروزه توزیع نامتوازن منابع آب درکنار افزایش جمعیت و توسعه¬ی فعالیت¬های کشاورزی و صنعتی، بحران کمبود آب را تشدید کرده است. از این رو یکی از طرح¬هایی که اجرای آن مورد توجه جدی مسوولین آب کشور می¬باشد طرحهای انتقال بین¬حوضه¬ای آب است. پیچیدگی تصمیم گیری روی این طرحها که ناشی از مسائل فنی، اقتصادی، زیست محیطی و اجتماعی می باشد، گزینه های مختلفی را پیش روی مدیران قرار می¬دهد. از سوی دیگر برای رسیدن به توسعه¬¬ی پایدار، لازم است در انتخاب این طرحها نظرات ذینفعان متعدد به طور سیستماتیک لحاظ شود. لذا برای تحقق مدیریت بهم¬پیوسته¬ی این طرحها، باید از روشهای مناسبی برای مدلسازی تصمیم¬گیری گروهی استفاده شود. در این تحقیق ابتدا موضوعات و چالش¬های پیش روی مدیریت منابع آب و وضعیت کمی و کیفی منابع آب در ایران بیان می شود. سپس معیارها و جنبه¬های مختلف طرح¬های انتقال بین حوضه¬ای آب به عنوان راهکاری جهت رفع کمبود آب بررسی می¬شود. در ادامه روشهای تحلیل چند معیاره و کاربرد آنها در مدیریت منابع آب معرفی شده و با استفاده از این روشها در یک مطالعه¬ی موردی، چهار مسیر پیشنهادی برای ساخت سامانه¬ی انتقال آب از رودخانه¬ی ارس به مناطق شرق و شمال¬شرقی دریاچه¬ی ارومیه، از دید چهار سری از معیارها به صورت گروهی ارزیابی می¬شوند. در این مرحله ابتدا معیارهای موثر در این ارزیابی، توسعه داده شده و توسط سه تصمیم¬گیر ذینفع به طور جداگانه وزن¬دهی می¬شوند و سپس با استفاده از عملگر میانگین وزنی مرتب و کمیت¬سنج¬های فازی، وزن گروهی آنها بدست می¬آید. در ادامه با بکارگیری چهار روش مهم (جمع وزنی ساده، برنامه ریزی سازشی، تاپسیس و¬ عملگر میانگین وزنی مرتب) و نیز روش تاپسیس فازی گزینه¬های مختلف اولویت¬بندی شده و در نهایت گزینه¬ی مناسب که صلبیت کافی دارد بدست می آید. سپس با استفاده از نتایج یک نرم افزار تصمیم¬گیری گروهی و نیز مقایسه¬ی روشها، ملاحظه می¬شود که روشهای جمع وزنی ساده و¬ عملگر میانگین وزنی مرتب در تحلیل چندمعیاره ی طرحهای توسعه¬ی منابع آب کارایی موثرتری دارند.

نیروگاه های برق آبی به عنوان یکی از مهم ترین منابع تامین انرژی در جهان به ویژه در کشورهایی که منابع آب نسبتا قابل توجهی دارند مطرح بوده و برای آن ها سرمایه گذاری می شود. انرژی تولیدی از طریق این نیروگاه ها از نظر کاهش آلودگی محیط زیست، عمر مفید و اقتصادی بودن نسبت به انرژی تولیدی نیروگاه های سوخت فسیلی برتری دارد. هر نیروگاه برق آبی از قسمت های مختلفی همچون سد، توربین، دریچه، مخازن موج گیر، لوله های فشار قوی انتقال آب پنستاک و تجهیزات تولید و توزیع برق تشکیل شده است، طوری که بهینه سازی هر کدام از این اجزا در کاهش هزینه ها ی تولیدی و نیز افزایش تولید برق موثر خواهد بود. هدف ما در این پروژه بررسی و بهینه سازی پارامتر های مربوط به پنستاک می باشد. لوله های پنستاک از پر هزینه ترین قسمت های نیروگاه های برق آبی به شمار می رود لذا بهینه سازی این لوله ها بسیار حائز اهمیت می باشد. پنستاک لوله ای است فشار قوی که جریان آب را از مخزن و یا از هر هد آبی بالا، به سمت توربین های نیروگاه هدایت می نماید. طراحی لوله های پنستاک مشابه اصول طراحی لوله های فشار قوی است. در این تحقیق برای بهینه سازی این لوله ها از روش بهینه سازی فراکاوشی الگوریتم ژنتیک که از طبیعت الهام گرفته شده است، استفاده شده و همچنین مزایای الگوریتم ژنتیک نسبت به سایر روش های بهینه سازی مورد بحث قرار گرفته است. برای بررسی کارایی روش مورد نظر، سه مورد مطالعاتی مورد بررسی قرار گرفته و نتایج آن ارائه شده است. پنستاک های انتخاب شده عبارتند از: لوله انتقال آب از مخزن به سمت کانال آبیاری، سد shasta در کالیفرنیا و سد شهریار در میانه. نتایج به دست آمده گویای این مطلب است که روش بهینه سازی الگوریتم ژنتیک با توجه به دارا بودن قابلیت جستجو و استخراج جواب به صورت موثر از فضای جستجو، برای تمام موارد مطالعاتی، حجم پنستاک را به میزان قابل توجهی پایین می آورد.

نظر به اهمیت بالای سطح آب زیر زمینی و ضریب نفوذ پذیری خاک در مهندسی عمران و تاثیر آن روی سازه های بنا شده، مطالعه دقیق و برآورد صحیح پارامترهای فوق در منطقه نقش بسزایی در پیشبرد صحیح مطالعات ژئوتکنیکی خواهد داشت، ولی معمولاً بعلت وجود مشکلات فنی و اقتصادی امکان حفر گمانه های ژئوتکنیکی در منطقه وجود نداشته و لازم است برای آن مناطق با استفاده از آمار گمانه های موجود اقدام به داده سازی منطقی شود. بدین منظور در این تحقیق از مدلهای زمین آمار، شبکه های عصبی مصنوعی و سریهای زمانی استفاده شده است. وابستگی سطح آب زیر زمینی به زمان و اهمیت ویژه این پارامتر در طراحی های مهندسی موجب گردید تا مدل سازی این پارامتر به دو شیوه مختلف و با بهره-گیری از نتایج مطالعات دو سازمان متفاوت صورت پذیرد. در مرحله نخست که هدف از مدل سازی پیش بینی زمانی و مکانی سطح آب در محدوده مترو بود با استفاده از نتایج حاصل از قرائت های ماهانه 16 پیزومتر متعلق به سازمان آب منطقه ای استان آذربایجان شرقی مدل سازی زمانی با استفاده از سری های زمانی انجام شد و پیش بینی 24 ماهه صورت گرفت. سپس با بهره گیری از نتایج حاصل از پیش بینی سری زمانی، مدل سازی زمین آماری انجام گردیده و کریجینگ مکانی در محدوده مترو انجام شد. در مرحله دوم که مدل سازی با استفاده از نتایج حاصل از مطالعات سازمان قطار شهری تبریز انجام پذیرفت باتوجه به این نکته که سطح آب زیر زمینی در قسمت شرقی شهر بالاتر می باشد مسیر مترو به دو بخش شرقی و غربی تقسیم بندی گردید و در هرکدام از قسمت ها به طور مجزا مدل سازی زمین آماری انجام گشته و دو نوع تخمین کریجینگ و کوکریجینگ در مسیر مترو صورت گرفت. دیگر پارامتر مورد مطالعه ضریب هدایت هیدرولیکی بود. در این مورد نیز از نتایج آزمایشات ژئوتکنیکی سازمان قطار شهری تبریز استفاده گشته و پس از مدل سازی زمین آماری، تخمین در محدوده مترو صورت پذیرفت. در مرحله آخر تحقیق از شبکه های عصبی مصنوعی در مدل سازی ها استفاده گردید. هدف از این بخش مقایسه توانایی های شبکه عصبی در مقایسه با دیگر مدل های استفاده شده بود. در این قسمت نیز همانند بخش قبل مدل سازی سطح آب به دو شیوه صورت گرفت. ابتدا با بهره گیری از نتایج پیزومتر ها مدل زمانی و مکانی تعیین گردید. سپس در دو بخش شرقی و غربی مترو مدلسازی مکانی سطح آب صورت پذیرفت. و در نهایت از شبکه های عصبی مصنوعی جهت برقراری ارتباط مکانی ضریب نفوذ پذیری خاک در مسیر مترو، بهره گرفته شد. نتایج حاصل از مدل سازی ها در کلیه بخش ها حاکی از توانایی بالای مدل های غیر خطی شبکه?های عصبی مصنوعی بود

فرآیند جداسازی مواد قابل رسوب غیر آلی از آب خالص توسط نیروی جاذبه، یکی از اصلی ترین فرآیند های مورد استفاده در صنعت آب جهت تصفیه فاضلاب های صنعتی و خانگی است. از آنجا که نزدیک به یک سوم هزینه کل سرمایه گذاری در تصفیه خانه ها معمولأ به ساخت حوضچه های رسوب گذار اختصاص دارد و نیز مشخصات آب ورودی به واسطه افزایش جمعیت شهرها نوسان زیادی دارد، بنابراین افزایش بازده حوضچه-ها نه تنها از لحاظ فنی سبب افزایش عمر مفید قسمت های دیگر تصفیه خانه می شود، بلکه از نظر اقتصادی و زیست محیطی نیز توجیه پذیر می باشد و موضوع مطالعات متعدد تجربی، تحلیلی و عددی می باشد. جهت دستیابی به این هدف می توان با انجام تغییراتی در ساختار هندسی حوضچه ها بازده ته نشینی ذرات و الگوی جریان سیال درون آنها را بهبود بخشید. اضافه نمودن بافل میانی یکی از راههای تغییر ساختار جریان در حوضچه های رسوب گذار است. ایده بکارگیری بافل در حوضچه ثانویه؛ یکنواختی بیشتر سرعت در هر دو ناحیه قبل و بعد از آن، جلوگیری از حرکت جت جریان چگال در کف و اتصال کوتاه بین ورودی و خروجی می-باشد که بدین ترتیب می تواند عملکرد حوضچه را بهبود بخشد. در این پژوهش آزمایشگاهی تأثیر محل استقرار و ارتفاع بافل و بافل های ترکیبی میانی (استفاد همزمان از چند بافل) بر راندمان و هیدرودینامیک حوضچه های رسوب گذار ثانویه مستطیلی و نیز اثر غلظت سیال ورودی در عملکرد آنها، بررسی و نتایج حاصل با حالت بدون بافل مقایسه گردیده است. تمامی آزمایشات این پژوهش در آزمایشگاه مکانیک سیالات دانشگاه صنعتی شریف انجام گردیده است. داده برداری سرعت و غلظت جریان توسط دستگاه سرعت سنج آکوستیکadv صورت گرفته که براساس قوانین داپلر عمل می کند. به کمک این دستگاه پروفیل های سرعت و غلظت برای موقعیت های مکانی متفاوت بافل، ارتفاع بافل و غلظت های ورودی مختلف رسم شده است. در نهایت معیار بهبودی راندمان نیز مقایسه نتایج با حالت بدون حضور بافل بوده است.در این تحقیق مشخص گردید که استفاده مناسب از تک بافل میانی یا بافل های ترکیبی، منجر به بهتر شدن کیفیت آب تصفیه شده خروجی از حوضچه می گردد. البته زمانی که بافل یا بافل ها دارای موقعیت مکانی یا ارتفاع نامناسب باشند به شدت عملکرد حوضچه را تضعیف می نمایند و نیز با افزایش غلظت، اثر بافل یا بافل های میانی در بهبود کارآیی حوضچه کاهش می یابد. در حالت تک بافلی، بهترین بازده حوضچه در غلظت 400 میلی گرم بر لیتر و زمانی است که بافل میانی در 4 متری ورودی مستقر گردیده و ارتفاع آن 11 سانتی متر می باشد. در حالت استفاده از بافل های ترکیبی نیز، بهترین راندمان در حالت ترکیبی 11-17 (استفاده از بافل 17 سانتیمتری در موقعیت 2/4 متری ورودی و بافل 11 سانتیمتری در موقعیت 4 متری ورودی) در غلظت ورودی 400 میلی گرم بر لیتر رخ داد. نتایج حاصل از آزمایشات بافل های ترکیبی حاکی از آن است که در حالت کلی استقرار بافل بزرگ تر در مقطع نزدیک تر به ورودی حوضچه، سبب افزایش محسوس راندمان نسبت به حالت عکس می گردد.

خشکسالی به عنوان یکی از مهمترین بلایای طبیعی می¬باشد، که با وقوع آرام و تدریجی¬اش بر ابعاد مختلف زندگی بشر تاثیر می¬گذارد، بنابراین شناخت خشکسالی به منظور مدیریت بهتر منابع آب، از اهمیت بسزایی برخوردار است. در راستای تدوین طرح¬های مقابله با خشکسالی و مدیریت آن، از ضروری¬ترین ابزار، طراحی سیستم¬های پایش خشکسالی می¬باشد. چنین سیستم¬هایی با استفاده از شاخص¬های خشکسالی طراحی می¬گردند، که هدف آنها ارایه یک ارزیابی ساده و کمی از ویژگی¬های خشکسالی می¬باشد. از میان شاخص¬های موجود جهت پایش خشکسالی، شاخص بارندگی استاندارد شده در حال حاظر در دنیا بطور گسترده مورد استفاده قرار می¬گیرد. در این تحقیق سعی شده است که جهت تخمین صحیح¬تر شاخص بارندگی استاندارد شده، از روش¬های فراکاوشی همچون الگوریتم ژنتیک و الگوریتم شبیه¬سازی حرارتی استفاده شود، که در نهایت منجر به پایش دقیق¬تر خشکسالی می¬شود.

کمبود داده های با کیفیت در کشور ما یکی از مشکلات اساسی بر سر راه مدلسازی هیدرولوژیکی می باشد. به همین دلیل انتخاب مدلی که بتواند خودش را با این کمبود سازگار کند، از اهمیت ویژه ای برخوردار است. بنابراین در این مطالعه یک مدل نیمه توزیعی و ژئومورفولوژیکی بنام topmodel انتخاب شده است که تا حدی می تواند پاسخگوی مشکل فوق باشد. در این مطالعه شبیه سازی بارش- رواناب در حوضه امامه واقع در استان تهران با استفاده از topmodel مورد بررسی قرار گرفته است. topmodel یک مدل هیدرولوژیکی است که رواناب را بر مبنای مفهوم جریان سطحی اضافه بر میزان اشباع و جریان زیرسطحی مدل می کند. این مدل از یک مفهوم تحت عنوان اندیس توپوگرافی بهره می برد که نشان دهنده نحوه توزیع سطوح مشارکت کننده در رواناب حوضه است. اندیس توپوگرافی به دو روش d8 و dinf و با استفاده از قابلیت های برنامه های arcgis وtaudem محاسبه شده است. البته می توان اندیس توپوگرافی را با استفاده از برنامه های gridatb و dtm هم محاسبه نمود. سه نوع سری زمانی متفاوت برای مدلسازی بارش- رواناب انتخاب شده اند. رگبارهای بارش- رواناب، داده های بارش- رواناب روزانه و داده های بارش- رواناب ماهانه.پارامترها در topmodel به گونه ای کالیبره می شوند تا بتوان به بهترین هیدروگراف برازش شده بر داده های مشاهداتی دست یافت. این پارامترها عبارتند از: هدایت سطحی خاک، t0، پارامتر کاهش انتقال پذیری خاک، m، کمبود رطوبت اولیه در ناحیه ریشه،sr0 ، ماگزیمم ظرفیت رطوبتی ناحیه ریشه،srmax، و سرعت روندیابی کانال اصلی، chvel. کارآیی مدل در مدلسازی بارش- رواناب بر روی هر یک از انواع سه سری زمانی گفته شده، ارزیابی شده و نهایتاً نتایج به صورت نموداری و آماری با همدیگر مقایسه شده اند. همچنین تاثیر هر یک از دو روش d8 وdinf در مدلسازی بارش- رواناب ارزیابی شده و به صورت نموداری و آماری با همدیگر مقایسه شده اند.با استفاده از نتایج بدست آمده در جریان تحقیق، چنین استنباط می شود که استفاده از روش dinf در مدلسازی بارش- رواناب، نتایج بهتری نسبت به روش d8 بویژه در مدلسازی رگبارها می دهد. اما این تفاوت در مدلسازی داده های روزانه چندان مشهود نمی باشد. با اینهمه روش dinf به عنوان روش مناسب تر توصیه می شود.از نتایج بدست آمده روشن است که مدل در شبیه سازی رواناب داده های ماهانه، نتایج مطلوبی نمی دهد. اما نتایج شبیه سازی رگبارها و داده های روزانه بسیار مناسب می باشند. در این میان بنا به دلایل ذکر شده در بخش نتیجه گیری، عملکرد مدل در شبیه سازی بارش- رواناب داده های روزانه بهتر از رگبارها ارزیابی می شود.

نظر به اهمیت بالای سدسازی بالخصوص سدهای خاکی در کشور و تعدد سدهای خاکی ساخته شده و در حال بهره برداری و سدهای در دست ساخت ، مدلسازی صحیح فشار حفره ای و آنالیز مناسب تراوش می تواند متضمن ایمنی بیشتر سد باشد. در این تحقیق برای برآورد میزان پتانسیل آبی هسته سد سهند، از روش rbf استفاده شد. برای مدل سازی معادلات حاکم بر تراوش سد تابعmultiquadric، رایج ترین تابعrbf ، بکار رفت. این تابع دارای ضریب شکل c بوده که به عنوان یک درجه آزادی در کالیبره کردن مدل نقش بسزایی ایفا می کند. بنابراین ابتدا به نحوه بهینه یابی ضریب c از طریق روشهای هاردی وcross validation پرداخته شد و سپس با تعیین c بهینه (copt) مدل سازی در دو حالت روش rbf با لحاظ کردن شرایط درونی و بدون لحاظکردن شرایط درونی ارائه گردید. در نهایت جهت بررسی کارآیی روش rbf، نتایج حاصله از این روش ها با نتایج روش عددی fdm مورد مقایسه قرار گرفت. در روش های مذکور مدل برای حالت دائمی بررسی شد، در حالیکه شرایط حاکم بر سد همواره با گذشت زمان متغییر می باشد و با توجه به برخی محدودیت های روش fdm و rbf، برای زمان مند کردن مدل از شبکه عصبی استفاده گردید. بنابراین با ایجاد شبکه عصبی برای پیزومترهای واقع در هسته، پتانسیل آبی آنها بدست آمده و از نتایج آنها به عنوان شرایط درونی در روش rbf استفاده شده است. در ادامه و تحت یک مدل سازی دیگر برای حالت غیردائمی copt از روشcross validation برای زمان-های مختلف بدست آمد و با ایجاد شبکه عصبی برای سری زمانی copt از نتایج آن به عنوان c اعمال شده در روش rbf استفاده گردید. در نهایت نتایج حاصله از دو روش ارائه شده برای حالت غیردائمی مورد مقایسه قرار گرفت که نتایج حاکی از آن است مدل ترکیبی ann-rbfدارای خطای کمتر و ضریب تبیین بیشتری نسبت به مدل ann copt می باشد و در حالت کلی می توان چنین اذعان داشت که مقدار c، با توجه به فرمول ریاضی mq به هندسه مسئله و مطالعات هندسی مسئله وابسته است .

هر ساله تعداد زیادی از پل ها به دلیل قرار گرفتن پایه آن ها در معرض آبشستگی های موضعی تخریب می شوند. از این رو استفاده ازروش هایی برای حافظت پایه پل ها در برابرآبشستگی های موضعی ضروری است. این روش ها را می توان به دو دسته کلی تقسیم نمود. دسته اول به بالا بردن مقاومت مواد بستر در برابر فرسایش می پردازد مانند استفاده از ریپ رپ در اطراف پایه پل ها، و دسته دوم با تغییر الگوی جریان اطراف پایه های پل از قدرت عوامل فرسایش می کاهد که طوقه ها، شمع های فدایی و شکاف پایه پل ها نمونه هایی از این روش ها می باشند. از این میان استفاده از شکاف پایه روشی جدید بوده و آزمایشات اندک انجام گرفته بر روی آن نشان دهده توانایی آن در کاهش موثر عمق آبشستگی می باشد. با توجه به محدودیت های خاص مطالعات آزمایشگاهی و نیز لزوم انجام مطالعات برای شناخت بیشتر تاثیرات شکاف پایه در کاهش آبشستگی موضعی، نیاز به استفاده از روش های عددی کار آمد و کم هزینه به روشنی احساس می شود. در این تحقیق شبیه سازی سه بعدی میدان جریان اطراف پایه پل دایروی بدون شکاف و پایه های دارای شکاف های مستطیلی با نسبت های بازشدگی متفاوت و پایه های دارای شکاف های پیشنهادی بازشونده و تنگ شونده و گروه پایه های دوتایی قرار گرفته در کنار هم و عمود بر مسیر جریان و با فواصل متفاوت از یکدیگر به کمک نرم افزار fluent به انجام رسید و تاثیر هرکدام از مدل های پایه پل بر میدان جریان اطراف پایه و نیز بیشینه وگستردگی ناحیه تنش های برشی آغاز کننده آبشستگی موضعی اطراف پایه های پل مورد بررسی قرار گرفت. همچنین به منظور بررسی عملکرد شکاف پایه تحت اثر زوایای برخورد جریان گوناگون، پایه های دارای شکاف تحت شرایط زوایای برخورد جریان برابر با ْ10، ْ20، ْ30 و ْ45 مدل گردید و تاثیر هرکدام از مدل های پایه پل تحت اثر افزایش زاویه برخورد جریان بر میدان جریان اطراف پایه و نیز بیشینه وگستردگی ناحیه تنش های برشی آغازکننده آبشستگی موضعی اطراف پایه های پل مورد بررسی قرار گرفت. در پایان به منظور بررسی الگوی جریان و تنش های برشی بستر کانال در طی گذشت زمان و گسترش حفره آبشستگی اطراف پایه پل دارای شکاف، با استفاده از نتایج آزمایشگاهی در دسترس، بستر تغییر شکل یافته رسوبی در دو مقطع زمانی مدل گردیده و مورد بررسی قرار گرفت. تعبیه شکاف در تک پایه های دایروی موجب کاهش میزان تنش های برشی کف کانال در اطراف پایه پل و نیز کوچک تر شدن ناحیه تنش های برشی بحرانی (1<c?/?) و کاهش قدرت گردابه های مخرب شکل گرفته در اطراف پایه پل گردید. با افزایش بازشدگی شکاف پایه بر میزان تاثیرات مثبت شکاف در محافظت پایه در برابر آبشستگی موضعی افزوده شد. مدل شکاف باز شونده پیشنهاد شده در این تحقیق، به رغم استفاده از سطح مقطعی برابر با سطح مقطع شکاف مستطیلی با 0.3=w/d کارایی مطلوب تری در انحراف جریان شکل گرفته در اطراف پایه پل و در نتیجه کاهش تنش های برشی کف در اطراف پایه از خود نشان داد. با افزایش زاویه برخورد جریان و افزایش بیشینه و مساحت ناحیه تنش های برشی بحرانی بستر، از میزان نقش حفاظتی شکاف های پایه در برابر آبشستگی موضعی کاسته گردید. در میان هندسه های مختلف شکاف مورد بررسی، مدل شکاف بازشونده کارایی خود را در شرایط افزایش زاویه برخورد جریان در انحراف جریان های شکل گرفته اطراف پایه پل و کاهش بیشینه و گستردگی تنش های برشی کف و در نتیجه کاهش آبشستگی موضعی اطراف پایه پل به نحو مطلوب تری حفظ نمود.

دریاچه ارومیه بزرگ ترین دریاچه داخلی کشور و دومین دریاچه آب شور جهان محسوب می شود. این دریاچه زیستگاه پرندگان، جانوران و حیوانات آبزی بسیاری بوده و از منظرهای مختلف اقتصادی، اجتماعی و زیست محیطی اهمیت بالایی در کشور دارد. طی ده سال اخیر به علل خشکسالی، اضافه برداشت از منابع سطحی آب و احداث سد بر رودخانه های ورودی دریاچه، تراز آب آن به شدت کاهش یافته و یک چهارم وسعت دریاچه (150 هزار هکتار) به شوره زار تبدیل شده است. هدف این تحقیق شناسایی عوامل اصلی ذکر شده بر تراز آب دریاچه ارومیه می باشد. بدین منظور مدل شبیه سازی حوضه آبریز دریاچه ارومیه با استفاده از روش تحلیل پویایی سیستم تهیه شده و نسبت به سناریوهای مربوط به علل کاهش آب، تراز آب دریاچه مورد بررسی قرار گرفت. نتایج نشانگر آن است که از بین این عوامل بررسی شده، احداث چهار سد منتخب در حدود 25% ، تغییرات بارش بر سطح دریاچه در حدود 10% و اضافه برداشت از منابع آب سطحی 65% در کاهش تراز آب دریاچه در سالهای اخیر تاثیر داشته است.

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.

به علت نیاز روزافزون به منابع آب، مدیریت در این زمینه پیچیده تر شده و بر این اساس، مدل های بسیاری جهت برآورد نیازهای مختلف از یک سیستم آبی ارائه شده است. وجود اهداف مختلف و نحوه تقابل و تاثیر این اهداف با یکدیگر، یکی از پیچیدگی های اینگونه مدل ها می باشد. مدل هایی که از یک هدف تشکیل شده اند شامل یک جواب بهینه می باشند اما در برخورد با مدل های چندهدفه نیازمند یافتن مجموعه جواب (که به منحنی پارتو معروف است) به جای یک جواب واحد می باشیم تا تصمیم گیر بتواند نتیجه دلخواه خود را از بین این جواب ها به دست آورد. سیستم مورد مطالعه در این تحقیق بهره بردای از مخازنی است که به صورت سری بر روی رودخانه قزل اوزن در حوضه آبریز سفیدرود ساخته شده اند. این حوضه شامل سه سد مشمپا در زنجان، سد شهریار در آذربایجان شرقی و سد سفیدرود در گیلان می باشد. سه هدف عمده شامل تامین آب پایین دست سدها، تولید انرژی برقابی و کنترل سیلاب خصوصاً در ماه های خاصی از سال می باشد. دو الگوریتم تکاملی شامل الگوریتم ژنتیک و الگوریتم هوش جمعی ذرات جهت بهینه سازی مورد استفاده قرار گرفته و نتایج با روش حل کلاسیک مبتنی بر گرادیان کاهش یافته (minos) مقایسه شده است. در این تحقیق این نتیجه به دست آمده است که روش حل کلاسیک در هر سناریو وزنی بهتر از الگوریتم های تکاملی جواب می دهد. در نهایت منحنی پارتو برای نمایش نتایج این سیستم ارایه شده و پتانسیل تولید انرژی برقابی در سناریو های مختلف برای اوزان متفاوت از اهداف بدست آمده است. نتایج به دست آمده نشانگر توانایی مدل برنامه ریزی سازشی برای تلفیق اهداف چندگانه بوده و همچنین استفاده از روش حل مبتنی بر گرادیان کاهش یافته (minos) برای مطالعات آتی توصیه می شود. در ادامه منحنی پارتو به کمک الگوریتم ژنتیک با رتبه دهی جواب نامغلوب حل شده که به کمک تصمیم گیر امکان انتخاب نقطه بهینه را بدون نیاز به تحلیل حساسیت و نیز داشتن وزن معیارها ارایه می نماید.

شبکه های عصبی یک ابزار مناسبی برای مدل سازی فرایندهای پیچیده هیدرولوژیکی نظیر تبخیر می باشند. این مطالعه سه هدف را دنبال میکند. ابتدا تبخیر شهرهای تبریز و ارومیه با استفاده از داده های هیدرولوژیکی مربوطه با استفاده از شبکه های عصبی مصنوعی مدل سازی می شود سپس مدل های حاصل از شبکه عصبی با مدل های کلاسیک بکار رفته در این مطالعه یعنی مدل های تعادل انرژی، آیرودینامیکی، ترکیبی پنمن و رگرسیون خطی چند متغیره مقایسه می شوند. در نهایت با انجام آنالیز حساسیت میزان اثر هر پارامتر ورودی روی خروجی از نظر مقدار و جهت بدست می آید. در این تحقیق از داده های هیدرولوژیکی و روزانه ایستگاه سینوپتیک تبریز در محدوده سالهای (1387-1373) و ارومیه در محدوده سالهای (1381- 1374)که به ترتیب شامل 5479 و 2922 رکورد ثبت شده بودند، جهت مقایسه برآورد تبخیر روزانه با شبکه های عصبی مصنوعی و روش های کلاسیک یاد شده استفاده شده است .کمیت های استفاده شده عبارتند از : تشعشع خورشید، دمای هوا، رطوبت نسبی، سرعت باد، فشار ستون هوا و تبخیر. این مقایسه ها برتری شبکه های عصبی را در تخمین نزدیک به واقعیت، نسبت به سایر روش ها اثبات می کند. آنالیز حساسیت اعمال شده روی مدل های ann که به دوروش pad و روش وزن های اتصالی انجام شده، میزان تاثیر درجه حرارت هوا، تشعشع خورشیدی و تبخیر روز قبل را بیشتر از سایر عوامل برای هر دو منطقه برآورد کرده است. طبق نتایج آنالیز حساسیت از عناصر غالب دیگر برای شهر تبریز سرعت باد و برای ارومیه رطوبت نسبی را می توان نام برد .

داشتن مدلی جهت پیش بینی مقادیر برای آینده در تمامی علوم همواره مد نظر بوده است، در رشته مهندسی آب نیز این مهم همواره مورد توجه قرار گرفته است. برای ارائه مدل، در دسترس بودن آمار و اطلاعات عوامل دخیل در مسائل هیدرولوژیکی و منابع آب که مهمترین آن بارندگی است، اهمیت ویژه ای دارد، اما به دلیل عدم دسترسی به اطلاعات هیدرولوژیکی اغلب حوضه ها، از روش های ریاضی برای الگوبندی پدیده طبیعی بارش-رواناب استفاده می شود. در پایان نامه حاضر مدلسازی بارش-رواناب حوضه ای با استفاده از دادههای بارش ماهواره ای و ایستگاههای باران سنجی با به کار گیری تخمینگر شبکه عصبی مصنوعی (ann) انجام شده است. داده های بارش ماهواره ای در دو نوع جداگانه و داده های ایستگاههای باران سنجی در شش مکان متعدد در حوضه موجود است. انجام پیش پردازش بر روی داده های موجود و مقایسه ی بهترین مدلهای حاصل از داده های تک تک ماهواره ها و حالت ترکیبی دو ماهواره و ایستگاههای باران سنجی از اهداف این مطالعه می باشد. برای ارتقا مدل و بررسی آثار فصلی بودن از میانگین متحرک و تبدیل موجک wavelet و برای خوشه بندی ایستگاههای باران سنجی از نقشه های خود سازمانده (som) استفاده شده است. از آنجایی که بررسی پریودهای زمانی بلندمدت و کوتاه مدت و نیز استفاده ی مناسب از آنها در مدلسازی و بلاخص برآورد نقاط پیک آثار به سزایی دارد، مبدل موجک (wavelet)به عنوان یک تبدیل کننده ریاضی به کار برده میشود. از قابلیت های این مبدل با موجک های مادر مختلف، تجزیه یک سری زمانی به زیر سریهایی با پایه های زمانی متفاوت است. خوشه بندی ناحیه های ماهواره ای و ایستگاههای باران سنجی با استفاده از شبکه خود سازمانده عصبی (som) که مخفف organizing map) (self میباشد، انجام شده است. آموزش این شبکه از نوع آموزش بدون نظارت است. بدین مفهوم که شبکه خود نحوه ی دسته بندی ورودیها را انتخاب می کند. در مدل سازی های انجام یافته گام اول مدلسازی بارش-رواناب ایستگاههای باران سنجی و ناحیه های ماهواره ای با استفاده از ann است. پس از انتخاب بهترین نتیجه از هر ست داده در گام دوم از مفهوم میانگین متحرک در مدلسازی استفاده شد. گام سوم در برگیرنده مدلسازی حالات ترکیبی ماهواره ها بود. در گام چهارم از تبدیل موجک برای پیش پردازش داده ها استفاده شده است و در نهایت som برای خوشه بندی داده ها به کار گرفته شد. نتایج کلی حاصله بیان از این دارد که در پیش پردازش و مدلسازی داده ها با استفاده از شبکه های عصبی مصنوعی در پیش بینی رواناب حاصل از بارش در داده های ماهواره ای، ناحیه های پایین دست، نتایج بهتری نسبت به ناحیه های بالا دست ارائه داده اند. در مورد ایستگاههای باران سنجی نیز این امر حاکم است. ایستگاههای باران سنجی موجود در پایین دست پیش بینی بهتری از رواناب حاصله داشته اند. برای ارتقا مدل و بررسی آثار فصلی بودن از میانگین متحرک استفاده شده است. مدل هایی که با استفاده از داده های پیش پردازش شده توسط موجک ها ساخته شده اند، بر خلاف انتظار بهبودی در نتایج نسبت به حالت بدون پیش پردازش ارائه ننموده اند. در این مدل ها، موجک های مادر متفاوتی مورد بررسی قرار گرفته است. در خوشه بندی ایستگاههای باران سنجی و ناحیه های ماهواره ای با استفاده از نقشه های خود سازنده نتایج حاصله از مدل سازی با شبکه های عصبی مورد تأیید قرار گرفته است.

جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن می باشد که به دلیل عدم دسترسی به اطلاعات هیدرولیکی اغلب حوضه ها از روش های ریاضی برای الگوبندی پدیده طبیعی بارش رواناب استفاده می شود. توانایی های روش های ریاضی و ترکیب آن ها در مدل سازی ها می تواند ما را در رسیدن به یک مدل ایده آل یاری دهد. در این پایان نامه، منطق فازی به عنوان روش نوین در علم ریاضی برای مدل کردن عدم قطعیت های موجود در سری های زمانی ناشی از نحوه اندازه گیری و گزارش داده ها و همچنین عدم صراحت پدیده در کمبود اطلاعات در مورد پارامترهای دخیل در پدیده استفاده شده است. اخیرا منطق فازی با استفاده از قابلیت شبکه عصبی در تخمین پارامترهای متغیر موجود در قوانین فازی، قادر به نگاشت مناسب ورودی های مختلف به خروجی می باشد. ادخال ویژگی های کوتاه مدت و درازمدت در مدل سازی می تواند نتایج بهتری در مدل مخصوصا برآورد نقاط پیک داشته باشد. در ادامه برای نائل آمدن به این امر از مبدل موجک به عنوان یک تبدیل کننده ریاضی استفاده شده است. با توجه به قابلیت تبدیل موجک با موجک های مادر مختلف و تجزیه سری های زمانی در پایه های زمانی متفاوت استفاده از زیر تجزیه های مختلف سری زمانی در ورودی مدل می تواند نتیجه مناسبی مخصوصا در نقاط ماکزیمم و قله های سری زمانی داشته باشد. با توجه به نتایج حاصله از مدل های ساخته شده با استفاده از موجک های مادر متفاوت، به علت تطابق شکل و خصوصیات موجک های مادر با سری زمانی برای تجزیه خصوصیات فصلی، ماهیانه و سالیانه داده های روزانه و ماهیانه هر دو حوضه لیقوان چای و آق چای (موجک haar برای سری زمانی بارش و موجک db4 برای سری زمانی رواناب) معرفی شده که با استفاده از این ورودی ها در مدل-سازی به روش سیستم استنتاج عصبی فازی تطبیقی، در مقایسه با شبکه عصبی و دیگر روش ها نتیجه بهتری داده است. در سیستم استنتاج عصبی فازی تطبیقی، استفاده از قوانین مناسب با تعداد و نوع توابع عضویت برای ورودی های مختلف تاثیرگذار می باشد که استفاده از دو تابع عضویت گوسی شکل، برای داده های رواناب و همچنین بارش، نتیجه مناسبی حاصل شد. مقایسه داده های مشاهداتی و محاسباتی در مدل سازی داده های ماهیانه نشان می دهد که استفاده از مرتبه های مناسب تجزیه موجک توانسته است تغییرات مختلف زمانی را در مدل سازی لحاظ کرده و نتیجه مدل بهتر شود. با توجه به بهبود توانایی مدل در برآورد نقاط پیک استفاده از این مدل در مدیریت حوضه های مهم و با ریسک بالا از نظر ساخت سازه های آبی گوناگون بسیار مهم است.

در نیم قرن اخیر، تحقیقات گسترده ای بر روی سازه های ساحلی و خصوصا بالاروی امواج صورت گرفته و حاصل آن یک سری روابط تجربی بوده که بر پایه پژوهش های آزمایشگاهی بدست آمده اند. در طراحی سازه های حفاظتی دریایی، پارامترهای هیدرولیکی مانند بالاروی امواج و روگذری هستند که هندسه سازه و خصوصا تراز تاج سازه را تعیین می کنند. به علت تغییرات سریع آب و هوای جهانی، که این تغییرات، احتمالا سطح آب دریاها و اقیانوس ها در قرن بعدی 5/0 متر بالاتر خواهد آورد ، فشار روی ناحیه ساحلی بیشتر شده است. با بالا آمدن سطح آب، دیگر محاسبات و طراحی های انجام گرفته ی سازه های ساخته شده فعلی، برای تراز سطح آب جدید، جوابگو نبوده و میزان بالاروی، روگذری، از حد مجاز خود تجاوز نموده و نتیجه آن، چیزی جز تلفات جانی و مالی و تخریب سازه نخواهد بود. یک راه حل عملی و بسیار موثر برای کاهش میزان بالاروی امواج، اجرای موج شکنی فراساحلی، در جلوی این سازه ها می باشد. در دهه های گذشته، تحقیقات بسیار کمی در این مورد صورت پذیرفته است. پژوهش حاضر، با استفاده از روش مدل سازی فیزیکی در فلوم موج دانشگاه تبریز، انجام گرفته است. در طی این طرح، موج شکنی مستغرق که از نوع توده سنگی است، در جلوی دیوار دریایی، که از لحاظ ابعادی متناسب با فلوم بوده و از جنس فولاد می باشد، ساخته شد. امواج تابشی تولید شده در فلوم، تصادفی بوده و طیف انرژی موج مربوطه، jonswap است. تغییرات ارتفاع سطح آب توسط سنسورهای مقاومتی که قابلیت ثبت تغییرات ارتفاعی سطح آب را با فرکانس 10 هرتز و دقت یک میلیمتر را دارند، ثبت گردیده است. ثبت داده توسط سنسورهای موج نگار، به صورت سری زمانی بوده و معمولا با خطاهایی همراه است که قبل از استخراج هرگونه اطلاعاتی این خطاها شناخته شده و حذف گردیدند. هدف از تحقیق حاضر، بدست آوردن میزان بالاروی امواج بر روی دیوار دریایی با شیب های تند که در این مورد، تحقیق حاضر یک تحقیق دانش بنیان بوده، و همچنین بررسی تاثیر موج شکن مستغرق جلوی دیوار بر میزان این بالاروی بوده است. با توجه به نتایج بدست آمده از آزمایش ها، با استفاده از روش رگرسیون خطی، یک رابطه برای این تحقیقات نوین ارائه شده و همچنین مشخص گردید وجود موج شکن مستغرق در جلوی دیوار باعث کاهش قابل توجه بالاروی امواج بر روی دیوار دریایی شده و میزان این کاهش ها برای امواج با مشخصات مختلف، ثبت و گزارش 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.

در مدلسازی بارش-رواناب مدل ترکیبی شبکه عصبی-موجک روشی سودمند است که از تبدیل موجک برای بدست آوردن فرکانس های مختلف فرآیند و از شبکه عصبی مصنوعی (ann) برای پیش بینی دبی رواناب استفاده میکند. یکی از گامهای مهم در هر مدلی که بر پایه ann است، تعیین متغیرهای ورودی مهم در فرایند مورد مطالعه است. درغیر این صورت مدل می تواند دچار بیش سازگاری (over fitting)، یادگیری دشوارتر و عملکرد ضعیف شبکه شود. این پایان نامه یک مدل سه مرحله ای برای مدلسازی بارش-رواناب حوضه ی delaney creek در ایالت فلوریدا آمریکا ارائه می دهد. روش سه مرحله ای عموما شامل پیش پردازش و ساخت مدل است. در مرحله ی پیش پردازش تبدیل موجک برای تجزیه ی سری های زمانی بارش و رواناب به زیرسری هایی با فرکانس های مختلف استفاده شده است. سپس زیرسری های مستقل توسط روش نقشه های خود سازمانده (som) انتخاب شده اند. در مرحله ی مدلسازی زیرسری های انتخاب شده وارد شبکه عصبی پیش رو می شود تا رواناب یک روز آینده پیش بینی شود. برای تفسیر بهتر عملکرد مدل، مدل ترکیبی ارائه شده با مدل های فرآیندهای میانگین متحرک جمع بسته ی اتورگرسیو با ورودی خارجی (arimax) و شبکه عصبی پیش رو بدون پیش پردازش داده ها مقایسه شده است. نتایج نشان داد که مدل ارائه شده عملکرد بهتری در مقایسه با دو روش دیگر مخصوصا در تعیین ضریب تبیین نقاط بیشینه دارد. به طوریکه مدل های arimax، شبکه عصبی پیشرو بدون پیش پردازش داده ها و مدل ارائه شده به ترتیب مقادیر 0.82، 0.84 و 0.97 را برای ضریب تبیین ارائه دادند.

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.

پیش بینی امواج، جریانها و انتقال رسوب در نزدیکی سواحل هدف اصلی این مدل می باشد. این مدل برگرفته از nearcom (nearshore community model) می باشد که در این مبحث بطور کامل تشریح گردیده است. سه بخش اصلی تشکیل دهنده مدل، شامل مولد موج، انتشار جریان و انتقال رسوب می باشد، که توسط یک برنامه اصلی به یکدیگر متصل گردیده و با مبادله اطلاعات بین این سه قسمت مدل سازی بطور کامل صورت می پذیرد و در نهایت خروجی مدل بصورت گرافیکی و عددی در اختیار کاربران قرار می گیرد. نتایج حاصله با نتایج حاصل از تحقیقات صورت گرفته که در دسترس هستند و یا با خروجی نرم افزارهای mike21 مقایسه گردیده و نتایج مطلوبی حاصل گردیده است. اولین قسمت مدل سازی تولید موج می باشد. مولد موج در این مدل با معادله سهموی شیب کم (mild slope equation) با استفاده از تکنیکcrank-nicolson بصورت عددی حل می گردد. پدیده هایی همچون انکسار، تفرق، پشته کردن و شکست موج در این مدل مد نظر قرار گرفته و اطلاعات مورد نیاز بخش انتشار جریان و انتقال رسوب در این قسمت تولید می گردد. این اطلاعات شامل ارتفاع موج، زاویه تابش موج، عدد موج، سرعت مداری موج، نرخ زوال موج، ضریب شکست موج، شار جرم موج، سرعت فاز و سرعت گروهی موج می باشد. داده های ورودی شامل توپوگرافی اختیاری بستر دریا، شبکه بندی مدل، پارامترهای فیزیکی و شرایط موج اغلب توسط کاربر در خود برنامه ایجاد می گردد. در اندر کنش مولد موج با انتشار جریان تنش های تشعشی، نیروی امواج، شار حجمی و سرعت جریان در حالت شبه سه بعدی حاصل می گردد. در بخش انتشار جریان، معادلات پیوستگی و ممنتم حل می گردند و از آنجایی که سرعتهای جریان و شار حجمی توابعی از عمق هستند، بنابراین حل انتشار جریان بصورت شبه سه بعدی برگرفته از putrevu و svendsen (1999) صورت گرفته است. چون مدل سازیِ شرایط مرزی و سازه های پیچیده از قبیل بنادر با استفاده از شبکه های مستطیلی متعامد کار مشکلی است و نیاز به استفاده از شبکه های نرم تری می باشد، در این مدل قابلیت پردازش شبکه های منحنی الخطی افزوده شده است. تا این مرحله کلیه اطلاعات لازم جهت بررسی و محاسبه انتقال رسوب که بخش سوم مدل را تشکیل می دهد، در دسترس می باشد. برنامه اصلی نقش ستون فقرات را در پروژه حاضر بازی می کند. این یک رابط کاربری است که کنترل ماژولها و ارتباط آنها با یکدیگر، انتقال داده های داخلی بین ماژولها و درونیابی و برون یابی آنها را به مانند ورود و خروج داده ها در دست دارد. عملکرد برنامه اصلی به مانند آنچه که در زیر آمده است می تواند جمع بندی گردد. 1- ارتباط بین سه ماژول: یعنی، ماژول موج، ماژول انتشار جریان و ماژول انتقال رسوب. 2- کنترل گام زمانی و کنترل اتصال مدل 3- کنترل اثر متقابل مدل: اتصال یک سویه یا اتصال دو سویه 4- انتقال داده های داخلی بین ماژولها، درون یابی یا برون یابی بین شبکه های محاسباتی مختلف در صورت نیاز 5- ورودی و خروجی داده ها برنامه اصلی دریافت داده ها و پارامترهای سایر ماژولها را در اختیار ندارد. هر ماژول بایستی فایلهای ورودی مربوط به خودش را داشته باشد. در نهایت جهت حصول اطمینان از نتایج خروجی، این نتایج با سایر اطلاعات موجود مورد مقایسه و بحث و بررسی قرار گرفته اند.

در این پایان نامه هسته اصلی مباحث بر روی بهره گیری از هوش مصنوعی به ویژه الگوریتم های تکاملی همانند برنامه نویسی ژنتیکی، به عنوان نسل جدید مدل های جعبه سیاه با در نظر گرفتن خصوصیات ژئومورفولوژیکی حوضه آبریز برای مدلسازی بارش-رواناب متمرکز گردیده است. در این راستا از ابزارهایی همچون آنالیز موجک و منطق فازی برای در نظر گرفتن تاثیرات مقیاس های زمانی در سطوح مختلف و عدم قطعیت های موجود در پدیده استفاده شده است. حاصل این رویه ایجاد مدل هایی ترکیبی بوده که در قیاس با مدل های یگانه از ویژگی های مناسبتری برخوردار می باشند. از این دیدگاه چهار دسته مدل ترکیبی شامل مدل های هوش مصنوعی موجکی، مدل های هوش مصنوعی بهینه، مدل های هوش مصنوعی ژئومورفولوژیکی و مدل های هوش مصنوعی زمانی- مکانی یکپارچه طراحی گردیده و با سناریوهای مختلفی مورد ارزیابی قرار گرفته اند. رهیافت این نوع مدلسازی ترکیبی، فرمول های ژنتیکی و یا شبکه های آموزش یافته ای خواهد بود که بر پایه روش داده کاوی زمانی و مکانی حوضه استوار می باشند. نتایج بدست آمده از پژوهش، بیانگر آن است که مدل های ترکیبی چهارگانه به ترتیب توانایی مناسبی در آنالیز چند مقیاسه سری زمانی، بهینه یابی ساختار مدل های هوش مصنوعی با شناسایی متغیرهای تاثیرگذار در مدل، رصد نمودن نقش داده های هیدرولوژیکی و ژئومورفولوژیکی در فرآیند مدلسازی و ارائه یک مدل جامع یکپارچه که برای نقاط مختلف حوضه قابل کاربرد باشد را دارا هستند. همچنین مدل های ترکیبی طراحی شده، توانسته اند کارایی و دقت مدلسازی بارش- رواناب را تا حد مطلوب و چشمگیری افزایش دهند.

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.

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.

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.

پیش بینی صحیح و مناسب فرآیندهای هیدرولوژیکی می تواند کمک شایانی در زمینه طراحی بهینه پروژه های آبی و مهندسی و نیز جلوگیری از خطرات ناشی از آنها داشته باشد. در این راستا مدلسازی منطقی و مناسب فرآیند بارش-رواناب به عنوان اولین و مهمترین گام در راستای مبارزه و مقابله با سیلاب به عنوان یک بلای طبیعی می باشد. لیکن این فرآیند استوکاستیک به عوامل و پارامترهای مختلفی از جمله شرایط آب و هوا، رطوبت، نفوذ، تبخیر و... وابسته بوده و دارای پیچیدگی خاصی است، لذا برای مطالعه این فرآیند از مدل های جعبه سیاه از جمله مدل سری های زمانی و یا اخیراً از مدل شبکه های عصبی مصنوعی (ann) بطور گسترده استفاده می شود که قابلیت پیش بینی و مدلسازی غیرخطی را نیز دارا می باشد. همزمان با گسترش استفاده از شبکه های عصبی مصنوعی، استفاده از آنالیز موجک analyze) wavelet) در زمینه هیدرولوژی نیز پیشرفت محسوسی نموده است. ترکیب این دو قابلیت، مدل ترکیبی با کارایی بهتر در پیش¬بینی فرآیندهای هیدرولوژیکی بنام شبکه¬های¬عصبی-موجکی (conjoined wavelet-ann network) را به وجود آورده است. سپس سری زمانی با استفاده از آنالیز موجک به زیر سریهایی تجزیه شده و این زیر سریها وارد شبکه عصبی گردیده و برای درجات مختلف تجزیه و تعداد نرون¬های میانی متفاوت نتایج به دست آمده است. در ادامه نتایج با روش شبکه عصبی مصنوعی و روش سیستم استنتاج فازی عصبی تطبیقی مقایسه شده است. نتایج بیانگر آن است که، این روش نسبت به روش شبکه عصبی و روش سیستم استنتاج فازی عصبی تطبیقی کارایی بالاتری دارد. این مهم را می توان از روی ضریب تعیین و جذر میانگین مربع خطاها به وضوح مشاهده کرد چرا که روی میزان تأثیرگذاری داده¬های سری زمانی، قبل از ورود به شبکه تفکیک-پذیری صورت گرفته و سیگنال اولیه به چندین زیر سیگنال (sub-signal) تجزیه شده است. با این کار این امکان فراهم می¬آید که ضرایب وزن ورودی¬ها به شبکه عصبی بر پاپه میزان تأثیرگذاری هر زیرسری زمانی تنظیم گردند، که این امر به نوبه خود تأثیرات کوتاه مدت و بلند مدت را در سری زمانی در بر می-گیرد و شبکه را در ارزیابی و تخمین¬های آینده بهینه¬تر و کاراتر می¬سازد. همچنین نتایج حاصل از پیش¬بینی جریان نشان می¬دهد که جریان رودخانه گاماسیاب در حال کاهش می¬باشد و این مطلب برای شهرستان نهاوند به عنوان یک تهدید جدی تلقی 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.

میزان تغییرات موجود در هر حوضه متناسب با عوامل موثر انسانی و همچنین تغییرات طبیعی نظیر تغییر اقلیم در آن منطقه می¬باشد. در سال¬های اخیر با پیشرفت تکنولوژی، استفاده از نقشه¬های زمینی و عکس¬های¬ ماهواره¬ای برای بررسی تغییرات هیدرولوژیکی حوضه ، مرسوم گشته است که اغلب این روش¬ها پرهزینه و زمان¬بر می¬باشند و یا به دلیل وســعت جغراف?ائ? مناطق مورد مطالعه در اکثر موارد بررس? همه جانبه تغ??راتکاربــری اراض? امــکان پذ?ر نیست؛ لیکن معیار پیچیدگی که در آنالیز سری¬های زمانی مطرح است می¬تواند معیار مناسبی برای ارزیابی و سنجش میزان تغییرات فرایندهای هیدرولوژیکی موجود در حوضه باشد. با محاسبه مقدار پیچیدگی حوضه می¬توان بی¬نظمی موجود در حوضه را به دست آورد؛ تغییرات بی¬نظمی و یا پیچیدگی حوضه نشان¬دهنده تغییرات هیدرولوژیکی به وجود آمده در حوضه است. در این پایان¬نامه برای سنجش میزان پیچیدگی فرایندهای هیدرولوژیکی در حوضه آبریز دریاچه ارومیه از روش جدیدی به نام روش موجک-آنتروپی استفاده شده است. این روش ابتدا با بررسی دو حوضه خارجی صحت¬سنجی شده است. نتایج به دست آمده حاکی از آن است که علاوه بر کاهش تراز آب در دریاچه ارومیه، نوسانات سطح آب نیز در حال کاهش است بنابراین الگوی نوسانات سطح آب دریاچه ارومیه در حال تغییر است. این تغییر الگو سبب کاهش پیچیدگی تراز آب شده است.کاهش پیچیدگی تراز آب می¬تواند در اثر عوامل طبیعی نظیر تغییر نوسانات بارش، دما، رطوبت و یا عوامل انسانی باشد. با توجه به نتایج حاصل از بررسی دو حوضه خارجی، عوامل انسانی نظیر افزایش جمعیت، توسعه شهرسازی و ... تاثیر مستقیم در کاهش نوسانات سری زمانی دبی دارد. طبق نتایج حاصل از بررسی تغییرات پیچیدگی سری¬های زمانی بارش، دما، رطوبت و دبی ، تغییر نوسانات دبی در بازه زمانی مورد نظر هم¬خوانی بیشتر و قابل ملاحظه¬تری با تغییر نوسانات تراز آب دریاچه ارومیه دارد. بنابراین نقش عوامل انسانی در کاهش پیچیدگی تراز آب دریاچه ارومیه به مراتب بیشتر از عوامل طبیعی نظیر تغییر اقلیم بوده است.

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.

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.

زمین لغزشها از بزرگترین عوامل مخربی هستند که سالانه میلیونها نفر در سراسر جهان تحت تاثیر خسارت ها و تلفات مالی و جانی ناشی از آنها قرار می گیرند. شناسایی عوامل موثر در وقوع زمین لغزشهای موجود در یک حوضه و پهنه بندی آن یکی از ابزارهای اساسی جهت دستیابی به راهکارهای کنترل این پدیده و انتخاب مناسب ترین گزینه ی موثر می باشد. در این روش عوامل موثر در وقوع این پدیده به صورت لایه های اطلاعاتی در نرم افزار arcgis وارد شده و سپس با استفاده از شبکه عصبی و تبدیل موجک داده های موجود تحلیل و در نهایت مناطق با پتانسیل بالای رخداد زمین لغزش مشخص می شود. پژوهش حاضر با ارائه ی روش جدید پهنه بندی با استفاده از مدل شبکه عصبی مصنوعی- تبدیل موجک اقدام به پیاده نمودن آن در منطقه ی شمال دشت تبریز استان آذربایجان شرقی و مشخص کردن مناطق با پتانسیل بالای رخداد زمین لغزش می نماید. لایه رقومی ارتفاع به عنوان عاملی که در تعیین عوامل دیگر مانند شیب و جهت شیب نیز نقش دارد، به دلیل ماهیت این لایه که دست خوش تغییرات زیاد و بعضاً ناگهانی می گردد، مستعد داشتن نویز می باشد که می توان با تکیه بر قابلیت های مدل جدید ارائه شده این نویزها کاهش یا از بین برده شود. نتایج حاصل از این پژوهش موید این مطلب است که روش شبکه ی عصبی که به عنوان یک روش مرسوم و قابل قبول در پهنه بندی پتانسیل زمین لغزش محسوب می شود؛ در این پژوهش نیز دارای عملکرد مناسب و قابل قبولی می باشد. همچنین تبدیل موجک به دلیل حذف نویز، یا بالاتر بردن کیفیت داده های ورودی و کاهش یا از بین بردن تغییرات سریع در آن ها، باعث بالاتر رفتن کارایی شبکه عصبی مصنوعی به ویژه در کلاس های با خطر بالا، می گردد. در این پژوهش شبکه ی عصبی مصنوعی دارای دقتی معادل 86% برآورد شد، این در حالی است که وقتی لایه ی dem تحت تبدیل موجک رفع نویز می شود، عملکرد شبکه عصبی مصنوعی تا حدود %10 بهبود می یابد. با عنایت به نتایج بدست آمده حاصل از این پژوهش، از آنجایی که در روش تبدیل موجک با آستانه نرم، فرآیند رفع خطاها به صورت هوشمند و باهدف انجام می گیرد، نتایج مناسب تری را نسبت به دیگر روش های ارائه شده در این مطالعه دارا می باشد.

با توجه به افزایش روزافزون جمعیت و در نتیجه افزایش استفاده از منابع آبی، داشتن برنامه ریزی مصرف آب ضروری به نظر می رسد. رواناب حاصل از بارش یکی از مواردیست که می تواند در جهت رفع کمبود آب موثر واقع شود. برای محاسبه رواناب در این تحقیق از روش scs و جهت استخراج نقشه شماره منحنی از نرم افزار gis استفاده شده است.

برای تخمین مکانی مقدار بارش ماهانه با توجه به پیچیدگی پدیده و در دسترس نبودن اطلاعات فیریکی کافی و عدم اطلاع دقیق از روابط و معادلات ریاضی حاکم بر این موضوع، معمولاً ارائه مدل های جعبه سیاه مفید هستند، که مستقل از پارامترهای فیزیکی موثر بر پدیده و معادلات حاکم بین آنها می باشد. زمین آماری به عنوان روشی برای درون یابی می باشد که مجموعه ای از تکنیک های آماری برای تحلیل داده های مکانی در آن به کار می رود. در حالت کلی این پایان نامه به مطالعه پخش شدگی داده های مکانی و شبیه سازی برای مکان های بدون داده می پردازد. استفاده از این تکنیک برای پیش بینی مشخصات هیدرولوژیکی در سال های اخیر حاکی از مناسب بودن این تکنیک جهت مدلسازی در علم مهندسی آب می باشد. این تحقیق از سه گام اساسی تشکیل یافته است. گام اول شامل انتخاب کلاس بندی های لازم برای استخراج بهترین واریوگرام محاسباتی است که از روی داده های مشاهداتی و استخراج مدل های مطلوب واریوگرام به دست می آید و سعی در برقراری ارتباط بین واریوگرامها، در ماههای مشابهی که از نظر سال متفاوت می باشند انجام یافته است. گام دوم پس از مشخص شدن بهترین واریوگرام که عمدتاً بین مدلهای تئوریک گوسیان، کروی و نمایی انتخاب می شوند، با توجه به مدل انتخابی از واریوگرام، سپس جهت پردازش بروی نیمه واریوگرام تجربی و عملیات کریجینگ انتخاب شده اند. با توجه به اینکه در اکثر ماههای بررسی شده از مدل کروی تبعیت شده است. در گام سوم برای محاسبات انجام یافته، مرحله cross-validation در هر ماه بصورت مجزا انجام می گیرد. خروجی حاصل از این سه گام اساسی، یک توزیع مکانی برای کل منطقه با تمام ایستگاههای موجود در نظر گرفته می شود که به صورت یک نقشه گرافیکی ارائه شده است. به منظور دستیابی به این مدل، از داده های بارش ماهیانه در حد فاصل فروردین 1387 تا اسفند 1391 در 33 ایستگاه باران سنجی حوضه آجی چای استفاده شده است. نتایج حاصل نشان می دهد که محاسبات کریجینگ توانایی بالایی در پیش بینی مکانی مقدار بارش ماهانه دارد. مقایسه های انجام یافته پیرامون رابطه پارامترهای واریوگرام با یکدیگر رابطــه معنا داری را نشان می دهد، این رابطه وجود روند خاصی را نشان نمی دهد. همچنین با مقایسه نتایج حاصل از محاسبات کریجینگ، پیش بینی های انجام یافته در هرماه، نشان می دهد که بارش در حوضه مورد نظر مستقل از ماه های دیگر است، ولی بارش در حوضه مورد نظر در ماه مورد بررسی شده وابسته به سالهای قبل می باشد.

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.

به دلیل رشد جمعیت شهری، مدیریت منابع آب از اهمیت به سزایی برخوردار می باشد. جهت مدیریت پایدار در یک حوضه مدلسازی دقیق فرآیندهای هیدرولوژیکی مانند فرآیند بارش- رواناب نیاز است. مدلسازی صحیح بارش- رواناب میتواند اطلاعات موثری برای برنامه ریزی شهری، زراعت، سیل و مدیریت منابع آب برای یک حوضه بدهد. بعلاوه، فرآیندهای هیدرولوژیکی دارای برخی ویژگیها همچون پیچیدگی، غیرخطی و استوکستیک بودن هستند که پیش بینی را بغرنج می کند. به دلیل ویژگی های مذکور خطای مدل در هرگونه رویکرد پیش بینی اجتناب ناپذیر است. بنابراین مدل های هیدرولوژیکی فراوانی به منظور شبیه سازی چنین فرآیند پیچیده ای توسعه یافته اند. مطالعات اخیر نشان داده اند که بکارگیری مدل های غیرخطی می توانند نتایج بهتری راجع به این مسئله فراهم آورند.

در توسعه مدلهای ژئومورفولوژیکی، داده های سنجش از دور ماهواره لندست جهت تعیین تغییرات پوشش سطح زمین با استفاده از شاخص نرمال شده پوشش گیاهی (normalized differencevegetation index) بسیار مفید و قابل استفاده می باشد. در این تحقیق ترکیب دو ابزار سنجش از دور و gis جهت بررسی شرایط پوشش گیاهی و شهرسازی سطح زمین استفاده گردید و تغییرات پاسخ حوضه در مقابل تغییرات کاربری و پوشش گیاهی حوضه با استفاده از مدلهای مفهومی گرده ای نش و همچنین مدل نیمه توزیعی ژئومورفولوژیکی مورد مطالعه و بررسی قرار گرفت. با توجه به اهداف مختلف تحقیق، دو حوضه یکی در ایران (مهرانه رود) و دیگری در ایالات متحده آمریکا (لاترازا) انتخاب شدند. در یک قسمت از رساله حاضر، تاثیر شهرسازی بر روی پارامترهای مدل مفهومی نش در حوضه لاترازا متشکل از دو زیر حوضه با کاربری کاملا متفاوت مورد بررسی و مقایسه قرار گرفت. پارامتر زمان تاخیر حوضه که حاصلضرب دو پارامتر ثابت ذخیره و تعداد مخازن در سری مخازن نش می باشد، در حوضه طبیعی بیشتر از حوضه شهری بدست آمد. این پارامتر نشان می دهد به دلیل نفوذپذیری کمتر در زیر حوضه شهری، زمان کمتری طول می کشد تا رواناب تولید شده به خروجی حوضه برسد و در نتیجه ذخیره کمتری در مخازن زیرحوضه شهری اتفاق می افتد. به منظور بررسی بیشتر تغییرات پارامترها، مقادیر 10، 20، 30 و 40 درصد حد بالا و پایین میانه پارامترها نیز در رویدادهای صحت سنجی مورد آزمون قرار گرفت. با توجه به مقادیر معیارهای ارزیابی در حوضه شهری دامنه وسیع تری از داده ها جواب قابل قبولی نسبت به حوضه طبیعی ارائه می دهند و این به دلیل درجه پایین عدم قطعیت در حوضه های شهری می باشد. در قسمت دیگر رساله، یک مدل ژئومورفولوژیکی با مخازن نامساوی با توجه به پوشش گیاهی زیر حوضه ها که با استفاده از تصاویر ماهواره ای مورد تحلیل و بررسی قرار گرفتند توسعه داده شد و مدل توسعه یافته با استفاده از سناریوهای مختلف و داده های بارش- رواناب موجود مورد صحت سنجی قرار گرفت. هر سناریو دارای کاربرد ویژه ای بود که برای اهداف مختلف قابل استفاده می باشند. مدلهای ژئومورفولوژیک پیشین قادر به پیش بینی هیدروگراف داخلی حوضه در حوضه های با کاربری متفاوت نمی باشند در حالیکه در مدل ارائه شده، کاربری اراضی با استفاده از تصاویر ماهواره ای در فرمول بندی مدل در نظر گرفته شده است که باعث می شود علاوه بر هیدروگرافهای خروجی حوضه، هیدروگرافهای داخلی حوضه نیز با دقت قابل قبولی تخمین زده شوند. در قسمت پایانی رساله، روند زمانی پارامترهای مدلهای مورد بررسی طی سالهای 1989 تا 2012 در حوضه آبریز مهرانه رود متشکل از دو زیر حوضه هروی و لیقوان بررسی شده و رابطه ای بین پارامترهای مذکور و شاخص ndvi استخراج گردید و سپس رابطه بدست آمده با استفاده از رویدادهای بارش-رواناب و تصاویر ماهواره ای مورد ارزیابی قرار گرفت. مقدار میانگین ndvi در حوضه لیقوان بیشتر از حوضه هروی بوده و تغییرات کمتری در حوضه لیقوان در طول زمان در بازه زمانی مطالعاتی مشاهده گردید. به طور کلی در تصاویر پردازش شده یک روند کاهشی در فاصله زمانی مطالعاتی در هر دو حوضه مشاهده گردید که با روند تغییرات پارامترهای مدلها همخوانی دارد. نتایج حاصل از صحت سنجی نشان داد تغییرات ndvi که حاصل از توسعه شهرسازی می باشد، پارامترهای مدل ها را به میزان قابل توجهی تحت تاثیر قرار می دهد. در حوضه لیقوان مقادیر ndvi در طول بازه زمانی مطالعاتی دارای نوسانات زیادی است که منجر به عدم برازش مناسب معادله رگرسیون با همبستگی پایین به پارامتر های مدل ها می گردد در حالیکه در حوضه هروی معادله رگرسیون با همبستگی بالایی برازش داده می شود. به همین دلیل معیارهای ارزیابی حاصل شده در مرحله صحت سنجی برای حوضه هروی دارای مقادیر قابل قبول تری نسبت به زیر حوضه لیقوان می باشد.

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

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.

مدلسازی بارش رواناب از مسائل اساسی در برنامه ریزی و مدیریت منابع آب می باشد. پیش بینی بارش رواناب مسئله ای پیچیده بدلیل روابط غیرخطی بین متغیرهای تاثیرگذار در آن می باشد. هدف از این تحقیق، مدلسازی فرآیند بارش رواناب با استفاده از شبکه عصبی می باشد. برای این منظور عملکرد دو نوع شبکه عصبی منفرد و یکپارچه جهت پیشبینی رواناب یا دبی جریان روزانه و ماهانه مورد بررسی و مقایسه قرار گرفت

میزان تغییرات موجود در هر حوضه متناسب با عوامل موثر انسانی و همچنین تغییرات طبیعی نظیر تغییر اقلیم در آن منطقه می باشد. بخش اعظم دلایل رخ دادن تغییرات در سری های زمانی هیدرولوژیکی برمی گردد به تغییرات رخ داده-شده در موقعیت مکانی ایستگاه های ثبت داده، تغییرات ایجاد شده در دستگاه های مورد استفاده، ناقص و گم شدن داده های ثبت شده،تغییر در روش های محاسبه میانگین داده ها و یا تغییرات ناشی از شهرسازی، صنعتی سازی و در کل هرگونه تغییر در نوع کاربری و یا پوشش مراتع. در این پایان نامه به بررسی و شناسایی نقاط تغییر در داده های سالیانه ی سری های هیدرولوژیکی دو ایستگاه tifton-georgia و ونیار-آذربایجان شرقی، با بازه های زمانی به ترتیب 45 و 42 ساله، با استفاده از آزمون های کلاسیک و ناپارامتریک مان-کندال دنباله ای، رگرسیون گیری دو فازی، همگنی استاندارد نرمال، پتی و ویلکاکسون پرداخته شده و همینطور با استفاده از تابع موجک، سری های زمانی مذکور رفع خطا شده و تاثیر این فرآیند بر عملکرد هریک از آزمون ها سنجیده شده است. نتایج بدست آمده در بررسی ایستگاه تیفتون حاکی از آن است که وجود خطاهای طبیعی در سری های زمانی هیدرولوژیکی مانع شناسایی دقیق نقاط تغییر موجود می شوند و در صورت رفع نمودن این خطاها نقاط تغییر با سهولت بیشتری قابل شناسایی خواهند بود. لیکن نتایح حاصل از بررسی ایستگاه ونیار این مطلب را تایید نمی نماید و علاوه بر اینکه تغییر رخ داده شده در سری های زمانی هیدرولوژیکی این ناحیه با آزمون های کلاسیک شناسایی نقطه تغییر قابل شناسایی نبوده ، اعمال تابع موجک و رفع خطا نمودن نیز تنها در چند مورد تاثیرگذار بوده و کمک به شناسایی نقطه دقیق تغییر کرده و در کل عملکرد خوبی نداشته است که به نظر می رسد این امر مربوط به نوع تغییرات موجود در این ایستگاه باشد، زیرا این تحقیق با فرض وجود تنها یک تغییر رخ داده شده در ایستگاه انجام و متعاقب آن از روش های شناسایی و تعیین یک نقطه تغییر استفاده شده است. حال آنکه در صورت وجود تغییرات دیگر ملزم به استفاده از روش های شناسایی همزمان چند نقطه تغییر بوده و عدم نتیجه گرفتن در این ایستگاه، با روش های فعلی توجیه می 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.