برنامه ریزی بیان ژن

برآورد دبی بار رسوبات معلق رودخانه ها به دلیل تأثیرگذاری بر طراحی و مدیریت سازه های آبی، در مهندسی آب، هیدرولیک و محیط زیست مهم می باشد. تاکنون تلاش های گوناگونی جهت برآورد دقیق بار رسوبات معلق توسط پژوهشگران انجام شده است که برای مثال می توان به برقراری رابطه بین دبی جریان و دبی رسوب اشاره نمود. مشکل این روش، عدم قطعیت آن می باشد. از این رو، شماری از محققان به روش های هوشمند و الگوریتم های تکاملّی، روی آورده اند. در پژوهش حاضر به منظور پیش بینی بار رسوب معلق ایستگاه های هیدرومتری جلوگیر و پای پل واقع در بالادست سد مخزنی کرخه، روش برنامه ریزی بیان ژن مورد استفاده قرار گرفت و نتایج به دست آمده با نتایج روش های منحنی سنجه رسوب و فائو مقایسه گردید. برای انجام این کار داده های دبی جریان، دبی رسوب و ارتفاع باران دو ایستگاه بین سال های 1390-1365 جمع آوری شد. برای اجرای مدل برنامه ریزی بیان ژن دو سناریو تعریف گردید. در سناریوی اول از اطلاعات دبی جریان و دبی رسوب ایستگاه ها استفاده شد و در سناریوی دوم از اطلاعات ارتفاع باران حوضه ی آبریز نیز استفاده گردید. نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. همچنین، مقایسه ی نتایج اجرای این مدل در بخش آزمون سناریوی دوم نشان داد که این روش نسبت به روش منحنی سنجه رسوب، میزان خطای RMSE و MAEرا به مقدار 91% و 94% برای ایستگاه هیدرومتری جلوگیر و 60% و 71% برای ایستگاه هیدرومتری پای پل کاهش داده است. مقایسه همین نتایج با روش فائو نیز نشان دهنده ی کاهش خطای RMSE و MAE به میزان 92% و 96% برای ایستگاه هیدرومتری جلوگیر و 85% و 95% برای ایستگاه هیدرومتری پای پل می باشد.

برآورد و پیش بینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و مؤثری را در مدیریت و بهره برداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب، خشکسالی و مدیریت منابع آب ایفا می کند و به همین دلیل مورد توجه هیدرولوژیست ها می باشد. عملکرد خوب مدل های هوشمند باعث افزایش استفاده از آنها برای پیش بینی پدیده های مختلف هیدرولوژیکی شده است. لذا در پژوهش حاضر، از دو مدل هوشمند به نام های برنامه ریزی بیان ژن و ماشین بردار رگرسیونی برای پیش بینی بارش ماهانه شهرستان نهاوند استفاده شد. در این مطالعه از داده های بارش، دما و رطوبت نسبی ماهانه ایستگاه وراینه در یک دوره 32 ساله (1393-1362) استفاده شد. نتایج به دست آمده نشان داد که عملکرد هر دو مدل خوب و مشابه بوده (ضریب همبستگی حدود 92/0) ولی با توجه به بررسی معیارهای ارزیابی مختلف، مدل برنامه ریزی بیان ژن عملکرد کمی بهتر داشته است (جذر میانگین مربعات خطا به ترتیب 0478/0 و 0486/0). این در حالی است که مدل ماشین بردار رگرسیونی دارای مزیت سهولت در اجرای مدل می باشد. به طورکلی می توان گفت که مدل برنامه ریزی بیان ژن برای مدل سازی بارش ماهانه ایستگاه وراینه در شهرستان نهاوند مناسب بوده است. در پایان مقدار بارش ماهانه برای سال 1394 با مدل برنامه ریزی بیان ژن پیش بینی شد که نشان از کاهش مقدار بارش در سال 1394 نسبت به سال های قبل داشت.

آلودگی منابع آب زیرزمینی به علت نفوذ آلاینده ها از سطح زمین به سامانه آب زیرزمینی به ویژه در مناطق خشک و نیمه خشک که با کمبود کمی و کیفی منابع آب روبه رو هستند، یکی از معضلات جدی به شمار می آید. بنابراین ارزیابی آسیب پذیری آب زیرزمینی به منظور شناسایی مناطق دارای پتانسیل بالای آلودگی برای مدیریت منابع آب زیرزمینی امری ضروری است. در این پژوهش آسیب پذیری آبخوان دشت کرمانشاه در برابر آلودگی با استفاده از روش دراستیک مورد بررسی قرار گرفت. در مدل دراستیک هفت متغیر مؤثر در آسیب پذیری که شامل عمق سطح ایستابی، تغذیه ی خالص، محیط آبخوان، محیط خاک، توپوگرافی، محیط غیراشباع و هدایت هیدرولیکی است، به صورت هفت لایه ی رستری تهیه و پس از رتبه دهی و وزن دهی شاخص دراستیک تعیین، که مقدار آن ما بین 45 تا 115 حصول گردید. بنابراین هدف اصلی این پژوهش بهبود مدل دراستیک با استفاده از مدل بیان ژن که یکی از مدل های هوشمند که عملکرد خوبی را از خود نشان داده است و به صورت ترکیبی می تواند با مدل های دیگر هماهنگ شده و نتایج مورد پذیرشی را ارائه دهد استفاده گردید. بدین منظور متغیرهای دراستیک با طول دوره ی آماری 20 ساله (1378-1398) به عنوان ورودی مدل و غلظت نیترات به عنوان خروجی مدل تعریف شد. در مدل GEP داده ها به دو دسته آموزش و آزمایش تقسیم  و با استفاده از شاخص های آماریR2 ،NRMSE  و MAE نتایج شبیه سازی مدل بیان ژن مورد ارزیابی قرار گرفت. نتایج حاکی از توانایی بالای مدل در برآورد غلظت نیترات و بهبود مدل DRASTIC را داشت. برای صحت سنجی و بهبود مدل DRASTIC از روش امتیازبندی شاخص آماریR2  استفاده گردید. با حذف دو شاخص S و T فرمول اصلاح شده شاخص دراستیک بر پایه ی وزن ده ی به صورت (5D , 4R, 5A , 5I, 4C) حاصل گردید.