نام پژوهشگر: صمد امامقلی‌زاده

پیش بینی بار رسوب معلق سد کرخه به کمک برنامه ریزی بیان ژن
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده کشاورزی 1393
  راضیه کریمی دمنه   صمد امامقلی زاده

تعیین بار رسوبات معلق رودخانه¬ها به¬دلیل تاثیرگذاری بر طراحی و مدیریت سازه¬های آبی، از جمله موارد مهم در مهندسی آب، هیدرولیک و محیط زیست به¬ شمار می¬رود. تاکنون تلاش¬های گوناگونی در جهت برآورد دقیق بار رسوبات معلق صورت پذیرفته است. بیشتر این تلاش¬ها با برقراری رابطه بین دبی جریان و دبی رسوب، سعی در برآورد بار رسوب معلق داشته¬اند. اما این روش¬های متداول رگرسیونی دارای عدم قطعیت می¬باشند. از این¬رو، شماری از محققان به¬روش¬های هوشمند مانند شبکه عصبی مصنوعی، سیستم استنتاج تطبیقی- عصبی فازی و الگوریتم¬های تکاملی روی آورده¬اند. در پژوهش حاضر به¬منظور پیش¬بینی بار رسوب معلق ایستگاه¬های هیدرومتری جلوگیر و پای¬پل واقع در بالادست سد مخزنی کرخه، روش برنامه¬ریزی بیان ژن توسعه داده شد و نتایج با نتایج روش¬های منحنی سنجه رسوب و فائو مقایسه گردید. لذا اطلاعات دبی جریان، دبی رسوب و ارتفاع باران متناظر این دو ایستگاه متعلق به سال¬های 1390-1365 جمع¬آوری شد و مورد بررسی قرار گرفت. برای اجرای مدل برنامه-ریزی بیان ژن دو سناریو در نظر گرفته شد. در سناریوی اول از اطلاعات دبی جریان و دبی رسوب ایستگاه¬های هیدرومتری جلوگیر و پای¬پل استفاده شد و در سناریوی دوم علاوه بر آمار دبی جریان و دبی رسوب، از اطلاعات ارتفاع باران حوضه آبریز نیز استفاده گردید. نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. هم¬چنین، مقایسه نتایج اجرای مدل برنامه¬ریزی بیان ژن در بخش آزمون سناریوی دوم نشان داد که این روش نسبت به روش¬ منحنی سنجه رسوب، میزان خطای rmse و mae را به¬مقدار 91%و 94% برای ایستگاه هیدرومتری جلوگیر و 60% و 71% برای ایستگاه هیدرومتری پای¬پل کاهش داده است. مقایسه نتایج بخش آزمون سناریوی مذکور با روش فائو نیز نشان دهنده کاهش خطای rmse و mae به¬میزان 92% و 96% برای ایستگاه هیدرومتری جلوگیر و 85% و 95% برای ایستگاه هیدرومتری پای¬پل می¬باشد.