پیش بینی جریان رودخانه با محاسبات نرم
دوره 28، شماره 2، بهار 1393، صفحه 394-405
https://doi.org/10.22067/jsw.v0i0.25389
مجید منتصری، سروین زمان زاد قویدل
چکیده پیش بینی جریان رودخانه به منظور فعالیت های مرتبط با برنامه ریزی و بهره برداری منابع آب لازم و ضروری است. عملکرد دو الگوی هوشمند شامل فازی-عصبی تطبیقی (مبتنی بر روش افراز شبکه) و برنامه ریزی بیان ژن در پیش بینی جریان رودخانه بررسی شد. 21 سال رواناب ماهانه دو ایستگاه صفاخانه واقع بر روی رودخانه ساروق چای و سنته واقع بر رودخانه خرخره چای در حوضه آبریز زرینه رود استفاده شد. اثرات تناوبی و فصلی جریانات ماهانه در این تحقیق بر روی عملکرد الگوها ارزیابی شد. با در نظر گرفتن ضریب فصلی در الگوی برنامه ریزی بیان ژن مقدار آماره ضریب تعیین به ازای بهترین الگو به میزان 19/0 و 25/0 به ترتیب برای ایستگاه های صفاخانه و سنته افزایش یافت. همچنین عملکرد دو الگوی فوق برای پیش بینی جریان با داده های ایستگاه مجاور نیز بررسی شد. نتایج به دست آمده نشان داد که هر دو روش فازی-عصبی و برنامه ریزی بیان ژن می توانند به طور موفقیت آمیزی برای پیش بینی رواناب ماهانه رودخانه استفاده شوند. در این حالت مقدار آماره ریشه میانگین مربعات خطا با به کارگیری بهترین ترکیب ورودی برای الگوهای فازی-عصبی تطبیقی و برنامه ریزی بیان ژن به ترتیب برابر 88/4 و 89/4 به دست آمد. اما الگوی برنامه ریزی بیان ژن-به دلیل ارائه رابطه ریاضی حاکم بر مساله مورد بررسی-نسبت به الگوی فازی-عصبی تطبیقی برتری دارد.
بررسی اثرات تغییر اقلیم بر رواناب حوضه های آبریز (مطالعه موردی : حوضه آبریز آجی چای در استان آذربایجان شرقی)
دوره 27، شماره 6، زمستان 1392، صفحه 1225-1234
https://doi.org/10.22067/jsw.v0i0.21513
هادی ثانی خانی، یعقوب دین پژوه، سعید پوریوسف، سروین زمان زاد قویدل، بهاره صولتی
چکیده تغییر در دما و الگوی بارش اثرات زیادی بر کمیت و کیفیت منابع آب به خصوص مناطق خشک نظیر ایران دارد. در سال های اخیر وقوع خشکسالی های متعدد در ایران خطری جدی برای منابع آب محسوب می شود. به دلیل افزایش میزان آب مورد تقاضا، بررسی اثرات تغییر اقلیم بر منابع آب ضروری به نظر می رسد. در این تحقیق به بررسی اثرات تغییر اقلیم بر رواناب در حوضه آجی چای در استان آذربایجان شرقی پرداخته می-شود. جهت پیش بینی تغییر اقلیم بر مبنای مدل های گردش عمومی (GCM) از مدل LARS-WG جهت ریز مقیاس نمایی استفاده گردید. با استفاده از LARS-WG تغییر اقلیم در حوضه آجی چای با بکار گیری مدل HADCM3 و سناریوهای A1B، A2 و B1 در افق 2055، مورد بررسی قرار گرفت. نتایج به دست آمده حاکی از افزایش دما و کاهش بارش در منطقه بودند. در بخش دیگری از تحقیق، جهت شبیه سازی اثرات تغییر اقلیم بر رواناب حوضه، از مدل هوشمند برنامه ریزی بیان ژن با استفاده از الگوهای ورودی مختلف، استفاده گردید. نتایج به دست آمده حاکی از کاهش قابل توجه میزان رواناب در حوضه بودند. همچنین با توجه به نتایج به دست آمده لازم است تا جهت سازگاری با تغییر اقلیم، راهکارهای مدیریتی مناسب در سطح حوضه مورد توجه قرار گیرد.
بررسی عملکرد روش برنامه ریزی بیان ژن در روندیابی سیلاب رودخانه زنگمار در مقایسه با روش موج دینامیکی
دوره 27، شماره 3، تابستان 1392، صفحه 592-602
https://doi.org/10.22067/jsw.v0i0.26087
رسول قبادیان، محمد علی قربانی، معصومه خلج
چکیده روش برنامه ریزی بیان ژن جدیدترین شیوه از بین روش های الگوریتم تکاملی می باشد که به دلیل دارا بودن دقت کافی، از کاربرد بیشتری برخوردار است. این روش با استفاده از اطلاعات موجود در داده ها و بدون هیچ فرضیه ای در ساختار رابطه بین متغیر های مستقل و وابسته، رابطه ای مناسب بین آنها برقرار کرده و هیدروگراف خروجی را پیش بینی می کند. روش موج دینامیکی جزء روش های پیچیده روندیابی سیلاب است. لذا در این تحقیق مدل کامپیوتری نوشته شده که در آن روندیابی به روش موج دینامیکی با حل کامل معادلات سنت و نانت به روش تفاضل محدود با در نظر گرفتن تلفات انتقال در مسیر رودخانه انجام شده و سپس با استفاده از پارامتر های آماری، میزان عملکرد مدل برنامه ریزی بیان ژن در مقایسه با مدل موج دینامیکی مورد بررسی قرار گرفته است. نتایج روندیابی شش هیدروگراف سیل، بین سال های 84 تا 88 نشان داد مدل برنامه ریزی بیان ژن قادر است با دقت بیشتری حجم هیدروگراف خروجی را پیش بینی کند. در خصوص دبی پیک و زمان وقوع آن مدل موج دینامیک برتری دارد. مدل موج دینامیکی به طور متوسط با خطایی برابر با 25/7% و مدل برنامه ریزی بیان ژن با خطایی برابر با 17% دبی پیک هیدروگراف خروجی را پیش بینی میکنند. همچنین میانگین خطای مدل های مذکور در پیش بینی زمان وقوع دبی پیک به ترتیب 45/1% و 25/2% است.
