بار معلق

تجزیه و تحلیل منطقه ای بار رسوب رودخانه ها بخصوص در مناطق خشک و نیمه خشک و ارتباط آن به خصوصیات حوضه های آبخیز در برآورد میزان فرسایش و رسوب از اهمیت بسزایی برخوردار است. لذا هدف از مطالعه حاضر مدل سازی رابطه ی بین میزان بار رسوب معلق با ویژگی های هیدرولوژیکی و محیط حوضه سد دز است. برای این منظور از اطلاعات 16 ایستگاه رسوب سنجی برای توسعه مدل های برآورد رسوبات معلق استفاده شد. سپس مدل های توسعه یافته با اطلاعات 6 ایستگاه رسوب سنجی دیگر اعتبارسنجی شد. پانزده ویژگی مختلف فیزیوگرافی، اقلیمی، هیدرولوژیکی و زمین شناسی به عنوان پارامترهای ورودی در مدل سازی برآورد رسوبات معلق استفاده شد. از روش تجزیه به مولفه های اصلی (PCA) برای انتخاب مهمترین پارامترها استفاده شد. سپس ایستگاه ها بر اساس پارامترهای انتخاب شده و با استفاده از روش تجزیه و تحلیل خوشه ای به دو گروه همگن تقسیم شدند. در نهایت مدل ها با استفاده از روش رگرسیون چندمتغیره گام به گام توسعه یافتند. از معیارهایR2، درصد خطا (RE) و میانگین خطا (ME) برای ارزیابی مدل ها استفاده شد. نتایج نشان داد چهار عامل دبی سالانه، متوسط بارندگی سالانه، ضریب هورتون و ارتفاع متوسط حوضه مهمترین پارمترها در برآورد رسوبات معلق بودند و مدل های رگرسیونی بر اساس این عوامل ایجاد شدند. نتایج ارزیابی مدل ها نشان داد که مدل توسعه یافته با استفاده از همه چهار عامل با 8% = RE،t ya-1 25375 = MEو 93/0 = R2 بهترین کارآیی و کمترین درصد خطای برآورد را داشت. نتایچ همچنین نشان داد که دبی سالانه تاثیرگذارترین پارامتر در مدل های برآورد رسوبات معلق بود.  

یکی از مهمترین مسائل در طراحی سازه های آبی، بررسی کیفیت آب، تعیین تأثیرات مدیریت آبخیز و حفاظت زیستگاه ماهیان، تعیین مقدار رسوبات معلق رودخانه ها می باشد. جهت برآورد بار معلق رودخانه ها از دو روش تجربی و رگرسیون آماری استفاده می شود؛ اما به دلیل تعدد روابط تجربی ارائه شده و ضرورت اصلاح آنها و ارائه ضرایب واسنجی جدید، در بیشتر موارد روش های رگرسیون آماری مورد استفاده قرار می گیرند. در روشهای رگرسیون آماری، با برازش یک تابع مناسب توانی از میان داده ها ، رابطه بین دبی جریان و دبی رسوب محاسبه و بر این اساس مقادیر رسوبات حمل شده توسط جریان محاسبه می گردد. این روش ها توان تفکیک ویژگی های خاص داده های جمع آوری شده را نداشته و از این جهت، نه تنها برآورد چندان دقیقی از میزان رسوبات حمل شده توسط جریان ارائه نمی دهند، بلکه امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان نیز در آنها وجود ندارد. با توجه به این مشکلات، امروزه بسیاری از محققین به روش های نوین پردازشی نظیر منطق فازی روی آورده اند. در تحقیق حاضر، ضمن برآورد رسوب معلق ایستگاه های هیدرومتری واقع بر روی رودخانه تلوار با دو روش معمول رگرسیون آماریِ USBR و FAO ، با استفاده از مدل طراحی شده بر اساس اصول منطق فازی نیز مقدار رسوب معلق ایستگاه ها برآورد شده است. نتایج حاکی از این می باشد که با استفاده از منطق فازی، امکان بررسی تغییرات زمانی میزان رسوبات حمل شده توسط جریان وجود داشته و این روش نسبت به روش های USBR و FAO برآورد نسبتاً دقیق تری از میزان رسوبات حمل شده ارائه می نماید

درسالهای اخیر ضرورت استفاده از مدلهای چند فازی عددی جهت تفکیک و شبیه سازی رسوبات بستر و بار معلق رودخانه ها بسیار موردتوجه قرار گرفته است. هدف ازاین بررسی،شبیه سازی الگوریتم حرکت و ته نشینی ذرات رسوبی رودخانه یلفان سد اکباتان همدان بااستفاده از مدل عددی چند فازی فلوئنت و کانال شیشه ای آزمایشگاهی است. لذا در این تحقیق از روش گسسته سازی مرتبه دوم مدل فلوئنت جهت تفکیک بار بستر و معلق، از اعداد تنش رینولدز به منظور تعیین آستانه حرکت و جهت تحلیل الگوی حرکتی و ته نشینی ذرات رسوبی در تیوب های مختلف جریان در کانال شیشه ای آزمایشگاهی ،از نرم افزار های فلوئنت و آکوباس استفاده گردید. نتایج شبیه سازی نشان داد که قسمت اعظم باررسوبی شن ریز و سیلت در کانال آزمایشگاهی توسط نیروی بالا برنده سافمن در تیوب دوم جریان حمل می شود. بررسی ها نشان می دهد که به دلیل وجودخطوط هم فشار و ایجادجریان و سرعت ثابت در تیوب دوم جریان،بار رسوبی معلق در بستررودخانه در طول سال تامخزن سد حمل می شود و حجم عمده مخزن طی این فرآیند توسط رسوبات شن ریز و سیلت پر شده است.بررسی میزان درصد خطای اندازه گیری شده بیانگر تطابق بالای مدل فلوئنت باداده های اندازه گیری شده در شرایط آزمایشگاهی می باشد ونشان می دهد که مدل در شبیه سازی حرکت ذرات رسوبی با قطر های مختلف از توانایی ودقت بسیارخوبی برخورداراست. همبستگی نتایج آزمایشگاهی و مدل فلوئنت در مجموع بیش از 97 درصداست و نشان می دهد که مدل فلوئنت با دقت بسیار بالا و قابل قبول حمل، انتقال و ترسیب رسوبات با دامنه ای از رنجهای مختلف را به خوبی شبیه سازی کرده است.

تعیین بار رسوبی معلق رودخانه ها یکی از پروژه های مهم مهندسی رودخانه می باشد. پیش بینی بار رسوبی معلق کمک شایانی در زمینه مدیریت منابع آبی خواهد نمود. سوال اصلی در این تحقیق بررسی نقش انواع داده های روزانه، ماهانه و سالانه در برآورد بار رسوبی با استفاده از مدل های مبتنی بر یادگیری ماشین است. بدین منظور از آمار بار معلق در سه مقیاس زمانی روزانه، ماهانه و سالانه ایستگاه هیدرومتری اوهایو واقع در ایالات متحده آمریکا در فاصله سال های 1992 تا 2014 استفاده گردید. با هدف انتخاب مناسب ترین مدل، مدل های شبکه عصبی مصنوعی پس انتشار خطا و تابع پایه ی شعاعی، رگرسیون خطی، k نزدیک ترین همسایه، درخت تصمیم M5، فرآیند گوسی، ماشین بردار پشتیبان و ماشین بردار پشتیبان تکاملی اجرا و مورد ارزیابی قرار گرفتند. نتایج حاصل از این ت حقیق نشان داد که ب رای داده های روزانه، م دل k نزدیک ترین همسای ه با 28/5RMSE=؛ برای داده های ماهانه مدل فرآیند گوسی با 7/8RMSE= و برای داده های سالانه مدل فرآیند گوسی با مقدار 2/7RMSE= مناسب ترین مدل جهت پیش بینی بار رسوبی معلق بوده اند. همچنین مقایسه مقادیر ارزیابی مدل ها حاکی از آن است که پیش بینی داده های سالانه نسبت به ماهانه و روزانه از دقت بیشتری برخوردار هستند.  

بار رسوبی معلق یکی از مهم ترین عناصر رودخانه ای است که علاوه بر تاثیر بر کیفیت آب، نقش موثری در مدیریت منابع آبی و سازه های احداثی بر روی این منابع دارد. پارامترهای فیزیوگرافی که بیانگر ویژگی های فیزیکی حوضه آبریز هستند می تواند به عنوان یک فاکتور تعیین کننده در میزان رسوب زایی حوضه آبریز مطرح گردد. روش های متعددی به منظور برآورد بار معلق رودخانه ها وجود دارد. از جمله این روش ها استفاده از مدل های داده کاوی می باشد که در حل مسایل هیدرولوژی رسوب بسیار پرکاربرد می باشد. لذا در این پژوهش با تلفیق مدل های داده کاوی و پارامترهای فیزیوگرافی، بار رسوب 30 حوضه آبریز در استان لرستان با دوره آماری 33 ساله برآورد گردید. به منظور بررسی اثر شاخص های مختلف فیزیوگرافی بر میزان برآورد رسوب در گام نخست دبی جریان به عنوان تنها ورودی مدل ها و در گام بعدی شاخص های مختلف فیزیوگرافی حوضه به عنوان ورودی های مدل های مختلف داده کاوی انتخاب گردید. در این مطالعه از پنج مدل داده کاوی از جمله شبکه عصبی مصنوعی، ماشین بردار پشتیبان تکاملی، درخت تصمیم، فرآیند گوسی و رگرسیون استفاده شد. نتایج نشان داد تمامی مدل ها از دقت قابل قبولی برخوردار بودند. در هر دو مجموعه داده، مدل ماشین بردار پشتیبان تکاملی دارای بهترین دقت بود. با به کارگیری شاخص های مورد اشاره دقت در تمامی مدل ها افزایش یافت به طوریکه در مدل ماشین بردار پشتیبان تکاملی میزان میانگین مربعات خطا از 74/6 به 3 کاهش یافت و ضریب همبستگی از 994/0 به 999/0 افزایش یافت. وزن دهی پارامترها نیز نشان داد که بیشترین وکمترین وزن به ترتیب مزبوط به شاخص زبری و نسبت کشیدگی بوده است.

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.