مطالب مرتبط با کلیدواژه

رسوب معلق


۱.

ارزیابی کارایی مدل درختان تصمیم گیری در برآورد رسوبات معلق رودخانه ای مطالعه موردی: حوضه رودخانه میمه(مقاله علمی وزارت علوم)

کلیدواژه‌ها: داده کاوی درخت تصمیم گیری رسوب معلق الگوریتم CART منحنی سنجه رسوب رودخانه میمه

حوزه های تخصصی:
تعداد بازدید : ۸۴۳ تعداد دانلود : ۵۵۴
به دلیل اهمیت و نقش پدیده انتقال رسوب در مبحث حوضه های آبریز، از جمله ساماندهی رودخانه ها که به منظور مهار فرسایش و رسوب گذاری و یا تثبیت بستر و دفع سیلاب انجام می گیرد، آگاهی و تعیین میزان رسوب حمل شده توسط رودخانه از دیرباز مورد توجه قرار گرفته است. هدف از انجام این تحقیق، تعیین کارایی مدل درختان تصمیم گیری (به عنوان یکی از روش های داده کاوی) در برآورد رسوبات معلق رودخانه میمه است. داده های مورد استفاده شامل دبی رسوب و دبی آب است که به صورت متناظر برداشت شده بود و همچنین بارش و دبی های روزانه مربوط به دوره آماری از سال 1347-1346 تا سال 1389-1388. پس از پردازش داده ها، تعداد 554 رکورد که آمار دبی و رسوب متناظر آنها موجود بود، انتخاب و نتایج به دست آمده با روش مرسوم منحنی سنجه رسوب مقایسه شد. برای مقایسه نتایج از معیارهای آماری R، RMSE، MAE، r 2و Bias  استفاده شده است. سپس برای بررسی تأثیر بارش ها و دبی های روزانه در دقت برآورد رسوب توسط مدل درختی، در گام دوم داده های مربوط به بارش و دبی های روزانه به مدل اضافه گردید. بر اساس نتایج به دست آمده، مدل درخت تصمیم گیری نتایج قابل قبولی را درجهت شبیه سازی بار معلق در ایستگاه مورد مطالعه ارائه کرده است. به طوری که بر اساس معیارهای  RMSE،MAE، r 2و Bias درخت تصمیم گیری نسبت به منحنی سنجه رسوب با خطای کمتری رسوبات را برآورد کرده است. همچنین نتایج بیانگر این مطلب است که ورود داده های بارش و دبی روزانه تغییر زیادی در نتایج ایجاد نکرده و میزان رسوبات با دبی های متناظر بیشترین همبستگی را دارد
۲.

ارزیابی اثرات تغییر اقلیم بر مقادیر رسوب معلق در تعدادی از حوزه های آبخیز استان اردبیل(مقاله علمی وزارت علوم)

کلیدواژه‌ها: منحنی سنجه رسوب ژئومورفولوژی رسوب معلق تغییر اقلیم LARS-WG تغییرات دبی IHACRES

حوزه های تخصصی:
تعداد بازدید : ۳۴۹ تعداد دانلود : ۴۱۱
برآورد رسوب دهی رودخانه به دلیل پیچیدگی های آن یکی از مواردی است که مورد توجه پژوهشگران قرار گرفته است. اﺳﺘﻔﺎده از ﻣﻨﺤﻨﯽﻫﺎی ﺳﻨﺠﻪرﺳﻮب و راﺑﻄﻪ ﺗﻮاﻧﯽ ﺑﺮازش داده ﺷﺪه ﺑﯿﻦ دادهﻫﺎی دﺑﯽ و ﻏﻠﻈﺖ رﺳﻮب ﻣﻌﻠّﻖ ﯾﮑﯽ از ﻣﺘﺪاولﺗﺮﯾﻦ روشﻫﺎی ﺗﻌﯿﯿﻦ ﻣﯿﺰان ﻏﻠﻈﺖ رﺳﻮب ﻣﻌﻠّﻖ اﺳﺖ. از طرفی پدیده تغییر اقلیم با تأثیر روی بارش، درجه حرارت و دبی جریان تولیدی، به صورت غیرمستقیم کیفیت آب را نیز تحت تأثیر قرارمی دهد. هدف پژوهش حاضر به دست آوردن تغییرات رسوب طی دهه آینده (2030-2011) با استفاده از معادله سنجه رسوب می باشد. برای این منظور از مدل هیدرولوژیکی IHACRES و مدل اقلیمی LARS-WG استفاده شد. مدل IHACRES ابتدا برای 7 ایستگاه هیدرومتری واسنجی و اعتبارسنجی شد سپس با به کارگیری مدل LARS-WG میزان تغییرات درجه حرارت حداقل، حداکثر و بارندگی برای دوره آینده به دست آمد. این تغییرات به مدل IHACRES اعمال شد و میزان دبی جریان دوره آتی تخمین زده شد. از طرفی با استفاده از داده های دبی و رسوب مشاهداتی منحنی سنجه رسوب تهیه شد. با تغییر مقادیر دبی جریان در ایستگاه های مطالعاتی مقادیر دبی رسوب معلق برای دوره آتی محاسبه شد. نتایج نشان داد مقدار بارندگی 68/3 درصد کاهش یافته و دمای حداقل 48/16 و دمای حداکثر نیز 39/5 درصد افزایش یافته است. بررسی میزان رواناب طی دهه آینده در ایستگاه های هیدرومتری نشان داد که دبی متوسط به طورکلی 16/0 درصد کاهش یافته است. تعداد وقایع دبی اوج افزایش یافته است که بیش ترین افزایش مربوط به ایستگاه هیدرومتری یامچی با دبی متوسط 09/2 و 16 واقعه دبی اوج بالای 6 مترمکعب برثانیه می باشد. این تغییرات اقلیمی به طور متوسط منجر به کاهش 74 درصدی بار معلق رسوب در ایستگاه های مطالعاتی شده است. نتایج پژوهش حاضر نشان دهنده تأثیر قابل توجه تغییر اقلیم بر حوزه های آبخیز استان اردبیل می باشد و با توجه به اثرات زیست محیطی تغییر اقلیم لازم است راهکارهایی جهت مدیریت مناسب حوزه های آبخیز اتخاذ شود.
۳.

بررسی تأثیر شبکه موجک بر کارایی شبکه عصبی مصنوعی در پیش بینی رسوبات سیلابی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: رسوب معلق داده کاوی یادگیری ماشین شبکه عصبی مصنوعی شبکه موجک

حوزه های تخصصی:
تعداد بازدید : ۴۰ تعداد دانلود : ۳۶
معمولاً سهم قابل ملاحظه ای از خسارت های ناشی از سیلاب، به رسوبات معلق در جریان سیل و هزینه های لایروبی ناشی از نشست آن ها در مناطق طبیعی، مسکونی و صنعتی برمی گردد. ازاین رو هنگام وقوع سیلاب علاوه بر پارامتر دبی آب، پایش دبی رسوبات حمل شده در آب نیز بسیار حائز اهمیت است. امروزه شبکه های عصبی مصنوعی به خوبی برای پیش بینی سری های زمانی غیرخطی توسعه یافته اند، اما ماهیت غیرخطی داده های رسوب و تأثیر گسترده ای از عوامل مختلف بر میزان دبی رسوب، منجر شده تا پیش بینی این داده ها همواره با چالش هایی مواجه باشند. تئوری موجک ازجمله روش های پیش پردازشی است که می تواند با تجزیه سری های زمانی اصلی به سیگنال های فرعی منجر به وضوح بهتر روابط درونی داده های غیرخطی گردد. در تحقیق حاضر مقادیر داده های رسوب در دو ایستگاه آبنما و میناب از حوزه آبخیز رودان هرمزگان قبل از ورود به شبکه عصبی مصنوعی از طریق تبدیل موجک به سیگنال های فرعی شکسته شد و سپس توسط شبکه عصبی مصنوعی فرایند پیش بینی صورت پذیرفت. همچنین به منظور بررسی تأثیر تبدیل موجک در عملکرد مدل شبکه عصبی، نتایج حاصل از این مدل ترکیبی با نتایج به دست آمده از مدل شبکه عصبی منفرد مقایسه گردید و کارایی آن ها با استفاده از روش اعتبارسنجی چندتکه، همبستگی و ریشه میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد شبکه عصبی مصنوعی در دو ایستگاه موردمطالعه به ترتیب با همبستگی 89/0 و 68/0 و شبکه عصبی موجکی با همبستگی 9/0 و 8/0 قادر به شبیه سازی میزان رسوبات هستند. همچنین آماره نرمال شده ریشه میانگین مربعات خطا به ترتیب در شبکه های عصبی مصنوعی 104/0 و 35/0 و در شبکه های ترکیبی 124/0 و 18/0 به دست آمد. با توجه به نتایج داده ها، تأثیر موجک در شناسایی سیگنال های فرعی و در نتیجه بهبود عملکرد مدل نسبت به شبکه های عصبی منفرد در پیش بینی میزان رسوبات قابل حمل در سیلاب به وضوح قابل توجه است.