علوم آب
سیدمهدی ثاقبیان
چکیده
پیشبینی دبی رسوبی با دقت بالاتر، از مهمترین مولفههای فرآیندهای هیدرولوژیکی در مدیریت منابع آب میباشد. به دلیل پیچیدگی پدیده انتقال رسوب و وجود چندین پارامتر موثر در تخمین آن، تعیین روابط حاکم مشکل میباشد. این تحقیق به منظور ارائه مدل بهینه برآورد بار رسوب معلق در دو ایستگاه هیدرومتری متوالی یک رودخانه طبیعی انجام گرفته ...
بیشتر
پیشبینی دبی رسوبی با دقت بالاتر، از مهمترین مولفههای فرآیندهای هیدرولوژیکی در مدیریت منابع آب میباشد. به دلیل پیچیدگی پدیده انتقال رسوب و وجود چندین پارامتر موثر در تخمین آن، تعیین روابط حاکم مشکل میباشد. این تحقیق به منظور ارائه مدل بهینه برآورد بار رسوب معلق در دو ایستگاه هیدرومتری متوالی یک رودخانه طبیعی انجام گرفته است. در این راستا، جهت کاهش مقدار خطا در پیشبینی دبی رسوبی از روشهای پیشپردازش سری زمانی به همراه روشهای هوشمند مبتنی بر کرنل ماشین بردار پشتیبان (SVM)و رگرسیون فرآیند گاوسی (GPR) استفاده شده است. دو سناریو بررسی دبی رسوب معلق برای حالت تک ایستگاهی و ارتباط بین ایستگاهی در نظر رفته شد و مدلهای متفاوتی بر اساس مشخصات هیدرولیکی و ذرات رسوبی تعریف گردید و مورد ارزیابی قرار گرفت. در استفاده از روشهای پیشپردازش، ابتدا روش تبدیل موجک (WT) بهکار رفت، سپس زیر سریهای با فرکانس بالای بدست آمده از روش WT با روش ﺗﺠﺰﯾﻪ ﻣﺪ ﺗﺠﺮﺑﯽ (EMD) دوباره تجزیه گردیدند. در نهایت زیر سریهای تاثیرگذار بهعنوان ورودی مدلهای مبتنی بر کرنل استفاده شدند. نتایج حاصل از تحلیل مدلهای تعریفشده، دقت بالای روشهای تلفیقی بهکار رفته در تحقیق را در تخمین رسوب معلق به خوبی نشان داد. نتایج نشان داد که در حالت اول، مقدار معیار خطا برای مدل برتر به ترتیب از 0.035 و 0.037 برای روشهای GPR و SVM به 0.28 و 0.29 برای مدلهای تلفیقی کاهش یافت. به طور کلی، مدلهای ترکیبی دقت مدلسازی را بین 20 تا 25 درصد افزایش دادند. جهت ارزیابی قابلیت اطمینان مدل برتر، از تحلیل عدم قطعیت مونت کارلو استفاده شد و نتایج نشان داد که مدل GPR دارای درجه عدم اطمینان مطلوبی در مدلسازی است.