تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,486,771 |
تعداد دریافت فایل اصل مقاله | 15,213,821 |
استفاده از محاسبات نرم در پیشبینی و برآورد دبی جریان و بررسی جریان زیست-محیطی (مطالعه موردی: رودخانه خرخرهچای) | ||
نشریه مهندسی عمران و محیط زیست دانشگاه تبریز | ||
مقاله 2، دوره 47.3، شماره 88، آذر 1396، صفحه 9-22 اصل مقاله (1.34 M) | ||
نوع مقاله: مقاله کامل پژوهشی | ||
نویسندگان | ||
جواد بهمنش* 1؛ سمیه مصطفوی2؛ سروین زمان زاد قویدل3 | ||
1عضو هیئت علمی دانشگاه ارومیه، گروه مهندسی آب، ارومیه | ||
2دانشگاه ارومیه | ||
3دانشکده کشاورزی، دانشگاه ارومیه | ||
چکیده | ||
پیشبینی جریان رودخانه و جریان زیستمحیطی به منظور تأمین نیاز اکوسیستم رودخانه، بهرهبرداری و برنامهریزی منابع آب، لازم و ضروری است. در تحقیق حاضر، ابتدا عملکرد مدلهای فازی- عصبی و برنامهریزی بیان ژن برای پیشبینی جریان رودخانه خرخرهچای مورد بررسی قرار گرفت. رودخانه خرخرهچای از شعب رودخانه سقز در استان کردستان است که از تلاقی سه شاخه آب رغجو، ایراب، پیرسلیمان در روستای خرخرهچای به وجود آمده است. در مهندسی منابع آب استفاده از دادههای ایستگاه مجاور و مشابه جهت پیشبینی جریان در ایستگاه فاقد آمار مورد توجه میباشد. بدین منظور از دادههای روان آب ماهانه ایستگاه هیدرومتری صفاخانه بر روی رودخانه ساروقچای به مدت 21 سال جهت پیشبینی جریان خرخره در ایستگاه سنته استفاده گردید. همچنین در این تحقیق اثرات دورهای و فصلی جریان ماهانه بر روی عملکرد پیشبینی مدلها مورد ارزیابی قرار گرفت. پس از پیشبینی جریان، در بخش دوم تحقیق جریان زیستمحیطی رودخانه ساروقچای با استفاده از دو روش اکو- هیدرولوژیک DRM،FDC Shifting برآورد شد. در بخش اول مطالعه، نتایج نشان داد که روشهای فازی- عصبی و برنامهریزی بیان ژن نتایج قابل قبولی در پیشبینی جریان رودخانه داشتند. با این وجود مدل برنامهریزی بیان ژن به دلیل ارائه رابطه ریاضی حاکم بر مسأله مورد مطالعه نسبت به مدل فازی- عصبی برتری داشت. نتایج بخش دوم تحقیق نشان داد که برای حفظ رودخانه ساروقچای در حداقل وضعیت اکولوژیکی قابل قبول (کلاس مدیریت زیستمحیطی C)، به طور متوسط، شدت جریان 05/2 مترمکعب بر ثانیه (معادل 23 درصد متوسط جریان سالانه) در طول رودخانه تا دریاچه ارومیه، بایستی برقرار باشد. | ||
کلیدواژهها | ||
پیشبینی؛ جریان زیستمحیطی؛ حوضه آبریز دریاچه ارومیه؛ برنامهریزی بیان ژن؛ فازی عصبی | ||
مراجع | ||
احمدپور ظ، "شاخصهای رژیم متغیر هیدرولوژیکی در ارزیابی زیستمحیطی رودخانهها"، پایاننامه کارشناسی ارشد دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، 1391. دستورانی مت، شریفی دارانی ح، طالبی ع، مقدم نیا ع، "کارایی شبکههای عصبی مصنوعی و سیستم استنتاج عصبی- فازی تطبیقی در مدلسازی بارش- رواناب در حوضه آبخیز سد زایندهرود"، نشریه آب و فاضلاب، 1390، 22(80)، 125-114. شاعری کریمی س، "ارزیابی جریان زیستمحیطی رودخانهها"، پایاننامه کارشناسی ارشد دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، 1389. مهدیآبادی م، روستایی ن، "تعیین حقابه تالاب گاوخونی، پیشبینی آب زیستمحیطی رودخانهها در شرایط تغییر اقلیم"، دومین همایش تخصصی مهندسی محیط زیست، دانشگاه تهران، 1387. Aytek A, Alp M, “An application of artificial intelligence for rainfall runoff modelling”, Journal of Earth Systems Science, 2008, 117(2), 145-155.
Aytek A, Kisi O, “A genetic programming approach to suspended sediment modelling”, Journal of Hydrology, 2008, 351, 288-298.
Chang FJ, Chen YC, “Counter propagation fuzzy-neural network modeling approach to real time streamflow prediction”, Journal of Hydrology, 2001, 245, 153-164.
DWAF, “White paper on a National Water Policy for South Africa”, Pretoria, South Africa: Department of Water Affairs and Forestry, 1997.
Dyson M, Bergkamp G, Scanlon J, “Flow: essentials of environmental flows”, Gland, Switzerland and Cambridge, UK: IUCN, 2003.
Ferreira C, “Gene expression programming: a new adaptive algorithm for solving problems”, Complex Systems, 1999, 13(2), 87-129.
Ferreira C, “Gene expression programming: mathematical modeling by an artificial intelligence 2nd ed”, Springer-Verlag, Germany, 2006.
Firat M, Gungor M, “River flow estimation using adaptive neuro fuzzy inference system”, Mathematics and Computers in Simulation, 2007, 75(3), 87-96.
Hughes DA, Hannart P, “A desktop model used to provide an initial estimate of the ecological instream flow requirements of rivers in South Africa”, Journal of Hydrology, 2003, 270, 167-181.
Hughes DA, Munster F, “Hydrological information and techniques to support the determination of the water quantity component of the ecological reserve for rivers”, Report to the Water Research Commission by the Institute for Water Research, Rhodes University, WRC Report No. 867/3/2000, Pretoria, South Africa, 2000.
Hughes DA, Smakhtin VU, “Daily flow time series patching or extension: a spatial interpolation approach based on flow duration curves”, Journal of Hydrological Sciences, 1996, 41(6), 851-871.
Jang JSR, “ANFIS: adaptive-network-based fuzzy inference system”, IEEE Transactions on Systems, Man, and Cybernetics, 1993, 23(3), 665-685.
Kashaigili JJ, Mccartney M, Mahoo HF, “Estimation of environmental flows in the Great Ruaha River Catchment”, Tanzania, Journal of Physics and Chemistry of the Earth, 2007, 32, 1007-1014.
Kennedy P, Condon M, Dowling J, “Torque-ripple minimization in switched reluctant motors using a neuro-fuzzy control strategy”, Proceeding of the IASTED International Conference on Modeling and Simulation, 2003.
Kisi O, “River flow forecasting and estimation using different artificial neural network techniques”, Hydrology Research, 2008, 39(1), 27-40.
Mazvimavi D, Madamombe E, Makurira H, “Assessment of environmental flow requirements for river basin planning in Zimbabwe”, Journal of Physics and Chemistry of the Earth, 2007, 30, 639-647.
Nayak PC, Sudheer KP, Rangan DM, Ramasastri KS, “A neuro-fuzzy computing technique for modeling hydrological time series”, Journal of Hydrology, 2004, 291(1), 52-66.
Pramanik N, Panda RK, “Application of neural network and adaptive neuro-fuzzy inference systems for river flow prediction”, Hydrological sciences journal, 2009, 54(2), 247-260.
Richter BD, Baumgartner JV, Wigington R, Braun DP, “How much water does a river need?”, Freshwater Biology, 1997, 37, 231-249.
Sanikhani H, Kisi O, “River flow estimation and forecasting by using two different adaptive neuro-fuzzy approaches”, Water Resources Management, 2012, 26, 1715-1729.
Shiferaw A, “Environmental flow assessment at the source of the Blue Nile River”, Ethiopia, Master Thesis, Addis Ababa University, Ethiopia, 2007, 64 pp.
Smakhtin VU, Anputhas M, “An assessment of environmental flow requirements of Indian river basins”, IWMI Research Report 107, International Water Management Institute, Colombo, Sri Lanka, 2006.
Talei A, Chua LHC, Wong TS, “Evaluation of rainfall and discharge inputs used by Adaptive Network-based Fuzzy Inference Systems (ANFIS) in rainfall-runoff modelling”, Journal of Hydrology, 2010, 391(3), 248-262.
Tharme RE, “A global perspective on environmental flow assessment: emerging trends in the development and application of environmental flow methodologies for rivers”, River Research and Applications, 2003, 19, 397-441.
| ||
آمار تعداد مشاهده مقاله: 770 تعداد دریافت فایل اصل مقاله: 1,625 |