اسماعیل دودانگه؛ کاکا شاهدی؛ کریم سلیمانی
چکیده
در این پژوهش جهت مطالعه فرآیند بارش-رواناب در حوضه آبخیز طالقان از برنامه شبیه‌سازی هیدرولوژیکی فرترن (HSPF) استفاده شده است. علیرغم دقت بالای مدل HSPF، مشکلات موجود در خصوص اندازه گیری بارش در مقیاس‌های زمانی کوتاه مدت (مقیاس ساعتی و کمتر از آن) در حوضه های آبخیز، استفاده از مدل مذکور مخصوصا در شبیه‌سازی های هیدرولوژیکی طولانی مدت را ...
بیشتر
در این پژوهش جهت مطالعه فرآیند بارش-رواناب در حوضه آبخیز طالقان از برنامه شبیه‌سازی هیدرولوژیکی فرترن (HSPF) استفاده شده است. علیرغم دقت بالای مدل HSPF، مشکلات موجود در خصوص اندازه گیری بارش در مقیاس‌های زمانی کوتاه مدت (مقیاس ساعتی و کمتر از آن) در حوضه های آبخیز، استفاده از مدل مذکور مخصوصا در شبیه‌سازی های هیدرولوژیکی طولانی مدت را با مشکل مواجه ساخته است. بدین منظور از مدل پالس مستطیلی بارتلت – لویس با پارامتر تصادفی (BLRPM) جهت گسسته سازی داده های بارش و تبدیل بارش‌های روزانه به بارش‌های ساعتی مورد نیاز مدل استفاده گردید. پارامترهای مدل با استفاده از داده های بارش ساعتی، 24 و 48 ساعته ثبت شده در دوره آماری (2006-2009) در ایستگاه‌های باران‌نگار داخل (جوستان و زیدشت) و مجاور حوضه (کلک چال) برآورد گردید. سپس با استفاده از مدل واسنجی شده به گسسته سازی داده‌های بارش روزانه ثبت شده در درون حوضه، در دوره آماری 1995-2005 پرداخته شد. داده‌های بارش ساعتی حاصل از فرایند گسسته‌سازی، جهت شبیه‌سازی دبی‌های روزانه توسط مدل HSPF به کار گرفته شد. نتایج نشان داد استفاده از داده‌های بارش ساعتی ثبت شده در ایستگاه کلک چال جهت برآورد پارامترهای مدل BLRPM، موجب تولید بارش‌های با شدت زیاد در فرآیند گسسته‌سازی بارش و برآورد بیشتر دبی‌های اوج توسط مدل هیدرولوژیکی می‌گردد. حذف ایستگاه مذکور از فرایند بهینه سازی مدل BLRPM باعث بهبود عملکرد مدل HSPF با ضریب ناش – ساتکلیف 76/0، ضریب تبیین 79/0 و خطا (RMSE) 11/7 گردید. نتایج این مطالعه بیانگر حساسیت مدل HSPF به انتخاب ایستگاه و پارامتر شدت بارش می-باشد.
زهرا عبداللهی؛ عطااله کاویان؛ کاکا شاهدی؛ ندا عبداللهی؛ محمد جعفری
چکیده
توسعه تکنیک های مختلف جهت پیش بینی کوتاه مدت و بلند مدت دبی ساعتی، روزانه، ماهانه و سالانه جریان به منظور مدیریت منابع آب و پروژه‌های عمرانی سابقه طولانی دارد. در دهه های اخیر، تکنیک های یادگیری متعددی به طور گسترده جهت پیش بینی دبی و سایر متغیرهای هیدرولوژیک مورد توجه قرار گرفته اند. پژوهش حاضر با هدف پیش بینی مقادیر دبی روزانه با ...
بیشتر
توسعه تکنیک های مختلف جهت پیش بینی کوتاه مدت و بلند مدت دبی ساعتی، روزانه، ماهانه و سالانه جریان به منظور مدیریت منابع آب و پروژه‌های عمرانی سابقه طولانی دارد. در دهه های اخیر، تکنیک های یادگیری متعددی به طور گسترده جهت پیش بینی دبی و سایر متغیرهای هیدرولوژیک مورد توجه قرار گرفته اند. پژوهش حاضر با هدف پیش بینی مقادیر دبی روزانه با استفاده از بهینه ترین تعداد داده های ورودی در رودخانه منتهی به رود تالار واقع در حوزه آبخیز کسیلیان انجام گرفت. بدین منظور از سه مدل ثابت (conll.c)، خطی ((linll.c و درجه دو ((quall.c الگوریتم یادگیری محلی کندرو که از کارایی قابل توجهی در شبیه سازی پارامترهای متغیر با داده های ورودی کم برخوردار هستند و هم چنبن با استفاده از سری داده های ورودی 6، 8، 10، 15، 20 روز قبل، یک و دو ماه قبل، یک، دو و سه فصل قبل و در نهایت یک و دو سال قبل استفاده گردید. نتایج به دست آمده از چندین هزار مدل تعلیمی تهیه شده نشان داد که مدل ثابت با داده های دبی روزانه ی 60 روز گذشته با حداقل خطای 001/0 به مقدار واقعی نزدیک تر بوده است. نتایج به دست آمده از مقادیر محاسبه شده RMSE و MAE حاکی از آن است که الگوریتم یادگیری محلی کندرو علی-رغم محدودیت های موجود از جمله حساسیت بسیار بالا به همسایگی، از کارایی بالایی در شبیه سازی سری های زمانی با خطای نسبتاً پایین (RMSE کمتر از 06/0) برخوردار می باشد.
محمودرضا طباطبائی؛ کاکا شاهدی؛ کریم سلیمانی
چکیده
برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانه‌ها بسیار مهم است. بار رسوب معلق بطور معمول با اندازه‌گیری مستقیم غلظت رسوب معلق یا با بکار‌گیری منحنی سنجه رسوب انجام می‌شود. اندازه‌گیری به روش مستقیم، اگر چه مطمئن‌ترین روش اندازه‌گیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین ...
بیشتر
برای مطالعات کیفی و کمی منابع آب، برآورد بار رسوب معلق رودخانه‌ها بسیار مهم است. بار رسوب معلق بطور معمول با اندازه‌گیری مستقیم غلظت رسوب معلق یا با بکار‌گیری منحنی سنجه رسوب انجام می‌شود. اندازه‌گیری به روش مستقیم، اگر چه مطمئن‌ترین روش اندازه‌گیری غلظت رسوبات معلق بوده، با این همه، این روش، اغلب زمان بر و پر هزینه است. همچنین دقت منحنی سنجه رسوب به دلیل برآورد زیاد (در مقادیر کم رسوب رودخانه) یا برآورد کم (در مقادیر زیاد رسوب رودخانه) پائین بوده و لذا از کارائی لازم برخوردار نمی‌باشد. در این تحقیق، به منظور بررسی امکان تخمین غلظت رسوبات معلق رودخانه‌ای با استفاده از انعکاسات تصاویر ماهواره‌ای، همبستگی میان بازتاب طیفی باندهای تصاویر سنجنده مودیس (باند قرمز و مادون قرمز) و غلظت رسوبات معلق رودخانه کارون در ایستگاه هیدرومتری ملاثانی در یک دوره زمانی 9 ساله (سال های 1382 تا 1390) مورد بررسی قرار گرفت. در این رابطه از دو مدل آماری (رگرسیون خطی یک متغیره) و شبکه عصبی مصنوعی (پیشخور با الگوریتم آموزش پس انتشار خطا) استفاده شد. ارزیابی مد‌‌‌ل‌های رگرسیونی و شبکه عصبی مصنوعی نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین (R2) 89/0 و ریشه مربع خطا RMSE)) 122 میلی‌گرم بر لیتر کارائی بیشتری در مقایسه با مدل رگرسیونی با ضریب تعیین 49/0 و ریشه مربع خطا 204 میلی‌گرم بر لیتر داشته است. نتایج تحقیق نشان داد که از تصاویر سنجنده مودیس به همراه شبکه عصبی مصنوعی می‌توان، در تخمین و پایش غلظت رسوبات معلق روزانه رودخانه‌های بزرگ استفاده نمود.
مهدی زارعی؛ محمود حبیب نژاد روشن؛ کاکا شاهدی؛ محمدرضا قنبرپور
چکیده
چکیده
اکثر سامانه های هیدرولوژیکی بسیار پیچیده اند و نمی توان آن ها را به طور کامل شناخت، بنابراین برای شناخت یا کنترل برخی از جنبه های رفتار آن ها نظیر روابط بیلان آبی، ساده سازی یا خلاصه کردن آنها امری ضروری است. مدل های هیدرولوژیکی ساختار ساده ای از سامانه های پیچیده چرخه آب در طبیعت می باشند. هدف اولیه یک مدل هیدرولوژیکی، پیش بینی ...
بیشتر
چکیده
اکثر سامانه های هیدرولوژیکی بسیار پیچیده اند و نمی توان آن ها را به طور کامل شناخت، بنابراین برای شناخت یا کنترل برخی از جنبه های رفتار آن ها نظیر روابط بیلان آبی، ساده سازی یا خلاصه کردن آنها امری ضروری است. مدل های هیدرولوژیکی ساختار ساده ای از سامانه های پیچیده چرخه آب در طبیعت می باشند. هدف اولیه یک مدل هیدرولوژیکی، پیش بینی کار سامانه پیچیده و بررسی اثر هر گونه تغییر روی عملکرد سامانه است. در این پژوهش از مدل هیدرولوژیکی IHACRESبرای شبیه سازی جریان روزانه و محاسبه میزان بارشی که به جریان رودخانه می-پیوندد، در حوضه آبخیز کسیلیان (مساحت برابر 86/342 کیلومتر مربع) و زیرحوضه معرف کسیلیان (مساحت برابر 8/67 کیلومتر مربع) استفاده شده است. نتایج تحقیق حاکی از عدم وجود تأخیر بین بارش و جریان در دو حوضه بوده، همچنین بر اساس مقادیر دو پارامتر ضریب تشخیص (D) و میانگین خطای نسبی پارامتر (ARPE)، این مدل جریان رودخانه را در حوضه آبخیز کسیلیان با دقت بیشتری نسبت به زیرحوضه کسیلیان شبیه-سازی نموده است. در مجموع با توجه به مقادیر خطا در حجم جریان (Bias)، متوسط جریان شبیه سازی شده توسط مدل IHACRES در دو حوضه بیش از جریان مشاهداتی است. میزانی از بارش که در ایجاد جریان رودخانه حوضه آبخیز کسیلیان دخالت داشته حدود یک سوم متوسط بارش حوضه و در زیرحوضه کسلیان نیز بترتیب در دوره واسنجی و ارزیابی 216 و 231 میلی متر در سال برآورد شده است.
واژه های کلیدی: مدل هیدرولوژیکی، IHACRES، کالیبراسیون، ارزیابی
