بابک شاهی نژاد

برآورد دقیق آبدهی رودخانه ها یکی از مهم ترین موارد کلیدی در مدیریت و برنامه ریزی منابع آب به ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک سالی ها است. برای برآورد میزان آبدهی رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های هوشمند از مهم ترین آن ها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین بردار پشتیبان_ موجک و ماشین بردار پشتیبان-بیزین به منظور برآورد دبی رودخانه های حوضه آبریز کرخه براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد کرخه طی دوره آماری(1387-1397) مورد بررسی و ارزیابی قرار گرفته است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدل ها نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک دقت بهتری در پیش بینی جریان از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی ماشین بردار پشتیبان می تواند در زمینه پیش بینی دبی روزانه مفید باشد .

سیل از جمله پدیده های طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیده ای را بر سر راه توسعه ی اقتصادی و اجتماعی کشورها ایجاد می نماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت می باشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضه ی آبریز کشکان واقع در استان لرستان از مدل های هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دوره ی زمانی 1400-1390 استفاده شد. برای ارزیابی عملکرد شبیه سازی از شاخص های آماری ضریب تعیین (R2)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدل های هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدل ها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدل های هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و می تواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.

یکی از روش های معمول کنترل فرسایش کناری و ساماندهی رودخانه ها استفاده از آبشکن است. در این خصوص در نظر گرفتن همزمان چندین هدف مختلف و گاها متضاد در کنار یکدیگر در مطالعات مهندسی رودخانه می تواند از اهمیت زیادی برخوردار باشد. به همین منظور در این پژوهش طراحی بهینه ی ابعاد با اهداف کمینه کردن هزینه و بیشینه کردن دبی بار بستر مدنظر قرار گرفت. در مدل مورد مطالعه از تلفیق مدل مورفولوژیکی، طراحی و الگوریتم بهینه سازی چندهدفه جستجوی هارمونی استفاده گردید. همچنین برای بررسی پایداری مقطع از روش تئوری های حدی استفاده شد. پس از آنالیز حساسیت پارامترهای دبی، شیب و عرض اولیه رودخانه، صحت سنجی مدل با استفاده از داده های زنجان رود و با درنظر گرفتن معادله بار بستر فان-راین و معادله آبشستگی گیل انجام گرفت. سپس براساس جبهه پارتو سناریوهای مختلف استخراج گردید. نتایج بدست آمده نشان داد که مدل ارائه شده در مقایسه با طراحی انجام شده توسط سایر محققین، جواب های بهینه تری را ارائه داده است. براساس کمترین فاصله اقلیدسی نسبت به نقطه ایده آل، به ترتیب 90/63 درصد هزینه کمتر و 48/25 درصد دبی انتقال بار بستر بیشتری را نسبت به طراحی انجام شده توسط حسینی و همکاران (1382) و به ترتیب 3/3 درصد هزینه کمتر و 62/16 درصد دبی انتقال بار بستر بیشتری را نسبت به مدل استادی و همکاران (1393) ارائه می دهد که نشان دهنده کارایی مطلوب و دقت بهتر مدل پیشنهادی است.

خشکسالی یکی از پدیده های آب و هوایی است که در همه ی شرایط اقلیمی و در همه ی مناطق کره ی زمین به وقوع می پیوندد. پیش بینی خشک سالی نقش مهمی در طراحی و مدیریت منابع طبیعی، سیستم های منابع آب، تعیین نیاز آبی گیاه  ایفا می نماید. در این پژوهش جهت تخمین شاخص بارش استاندارد 12 ماهه ی چهار ایستگاه باران سنجی دلفان، سلسله، دورود و بروجرد واقع در استان لرستان از مدل شبکه ی عصبی موجک استفاده شد و نتایج آن با سایر روش های هوشمند از جمله شبکه ی عصبی مصنوعی مقایسه گردید. برای این منظور از پارامتر بارش در مقیاس زمانی ماهانه در طی دوره ی آماری (1372-1392) به عنوان ورودی و شاخص بارش استاندارد به عنوان پارامتر خروجی مدل ها انتخاب گردید. معیارهای ضریب همبستگی، ریشه ی میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدل ها مورد استفاده قرار گرفت. نتایج نشان داد هر دو مدل قابلیت خوبی در تخمین شاخص بارش استاندارد دارند، لیکن از لحاظ دقت، مدل شبکه ی عصبی موجک عملکرد بهتری نسبت به شبکه ی عصبی مصنوعی از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل شبکه ی عصبی موجک می تواند در زمینه تخمین خشکسالی موثر باشد.

در این پژوهش به شبیه سازی کیفیت آب رودخانه خرم آباد به کمک مدل یک بعدی QUAL2Kw در طول یک بازه 35 کیلومتری از رودخانه پرداخته شد. به همین منظور از پارامترهای مهم کیفی آب از جمله اکسیژن محلول (DO)، اکسیژن خواهی زیست شیمیایی کربنی (CBODf)، اکسیژن خواهی شیمیایی (COD)، نیترات (NO3)، هدایت الکتریکی (EC) و اسیدیته (pH) و پارامتر دما در دو ماه تیر و شهریور سال 1397 به ترتیب برای واسنجی و صحت سنجی مدل استفاده گردید. نتایج نشان داد که با پیوستن رودخانه فرعی به رودخانه اصلی و تخلیه پساب منابع آلاینده صنعتی، شهری و کشاورزی به رودخانه، پارامترهای کیفی COD، NO3 و CBODf روند صعودی پیدا می کنند. نتایج حاصل از شاخص های ارزیابی نشان داد شاخص NRMSE در مرحله واسنجی و صحت سنجی مدل برای pH کمترین مقدار و برابر 83/8 و 22/9 درصد بدست آمد و برای EC به ترتیب 05/11 و 86/13 درصد محاسبه شد. شبیه سازی پارامتر DO نیز در طول رودخانه دارای نوساناتی بود این در حالی است که شاخص های آماری NRMSE، RMSE و MAE برای این پارامتر در هر دو مرحله واسنجی و صحت سنجی در حد قابل قبولی بدست آمدند، به طوری که شاخص های فوق در مرحله واسنجی مدل به ترتیب 49/12، 917/0 و 72/0 و در مرحله صحت سنجی مدل به ترتیب 65/24، 78/1، 55/1 محاسبه شد. همچنین مدل توانست با دقت خوبی پارامتر دما را در تیرماه (92/1 RMSE=و 57/1=MAE) و شهریورماه (77/2 RMSE=و 5709/2=MAE) شبیه سازی کند. در نهایت نتایج حاصل از این پژوهش بیانگر دقت مناسب مدل QUAL2Kw در شبیه سازی پارامترهای فوق در رودخانه خرم آباد بود.

اندازه گیری بار رسوبی در رودخانه ها معمولاً به اندازه گیری بار معلق محدود می شود؛ در نتیجه بهینه کردن منابع و کمینه کردن خسارت های ناشی از جریان در رودخانه ها از اهمیت بالایی برخوردار است. این تحقیق با هدف شبیه سازی سه بعدی جریان رودخانه کشکان در فصل بهار 1398 با استفاده از نرم افزار Mike3D.2018 انجام گرفت. برای این منظور با توجه به تهیه رقوم ارتفاعی (حاصل از نقشه برداری) از بستر و سیلاب دشت رودخانه مورد مطالعه به طول 1200 متر با مقیاس 1:1000 جهت انجام مدل سازی عددی به نرم افزار HEC-RAS5.0.7 معرفی و وارد است. از داده های ایستگاه هیدرومتری کشکان-پلدختر برای برآورد سیلاب، رسوب معلق و رسوب انتقالی طی دوره های بازگشت 25، 200، 1000 و 1250 سال مورد استفاده قرار گرفت. نتایج مدل نشان داد که سیلاب در مقاطع عرضی مختلف 1200 و 1100 به بیشترین میزان و در مقاطع عرضی 50 و 350 در کمترین میزان بوده است. رسوب کل با استفاده از رابطه یانگ 45/207 میلیون تن در روز و بار معلق را با خطای 87/11+ درصد شبیه سازی نموده و از مقایسه مقادیر با مقادیر مشاهداتی مشاهده شد که شبیه سازی در ایستگاه هیدرومتری کشکان پلدختر عملکرد بهتری نشان داد. هم چنین نتایج نشان داد که حجم رسوبات معلق انتقالی در فروردین ماه (31/5132779) نسبت به سایر ماه های دی (55/9890)، بهمن (73/41083)، اسفند(75/149629) و اردیبهشت (15/112617) زیادتر بوده و هم چنین میزان رسوب در این ماه نسبت به متوسط رسوبات انتقالی در رودخانه کشکان حجم بسیار بالایی را داشته است.