مدل سازی رواناب

تغییرات رواناب به واسطه ی تغییر کاربری بسیار زیاد می باشد و اغلب مدل سازی، تنها راه بررسی احتمال بالقوه هر منطقه نسبت به سیلاب است. در این تحقیق از مدل L-THIA برای تخمین رواناب ناشی از تغییر کاربری در چالوس و نوشهر استفاده شد. L-THIA یک ابزار مناسب برای کمک به سنجش اثرات بالقوه ی تغییر کاربری بر رواناب سطحی و آلودگی آب می باشد. نتایج مدل سازی رواناب با استفاده از L-THIA افزایش 3/17 میلی متر رواناب متوسط سالانه تنها در طی 14 سال را نشان می دهد که بیان گر افزایش 79/9 میلیون متر مکعب رواناب طی این مدّت در منطقه مورد مطالعه است. همان طور که از نتایج این تحقیق بر می آید مدل L-THIAقابلیت قابل قبولی در بیان نحوه ی اثر تغییر کاربری بر مقادیر حجم و عمق رواناب، طبق سناریوهای مختلف دارد. این مدل با ارایه ی نقشه ی توزیع مکانی رواناب، امکان شناسایی مناطق حادثه خیز، پهنه بندی سیل و همچنین مدیریت سیلاب را فراهم می سازد. اولویّت بندی زیرحوضه های آبخیز برای انجام اقدامات کنترل سیلاب از دیگر قابلیت های روش مدل سازی به کار گرفته در این پژوهش می باشد.

با تمام اهمیتی که آب در اقتصاد ایران دارد، هر ساله سیلاب حجم زیادی از آبها و خاکهای حاصلخیز کشور را از دسترس خارج نموده و به کویرها، دریاچه ها و دریاها انتقال می دهد. مدل هیدرولوژیکی ساختاری است که بتواند با توجه به ویژگی های حوضه و عامل های موثر بر پدیده مورد نظر تعامل و رفتار آن را با تقریب قابل قبولی نشان دهد. با این وجود استفاده از مدل های مختلف تجربی موجود در برآورد رواناب با مشکلات فراوان همراه بوده است. به همین دلیل روش تحلیل منطقه ای در برآورد دبی با دوره های بازگشت معین با استفاده از ویژگی های فیزیوگرافی و اقلیمی کاربرد گسترده ای دارد. در این پژوهش از داده-های بارش و دبی در مقیاس ماهانه و ویژگی های فیزیوگرافی 5 زیر حوضه رودخانه کشکان که دارای پراکندگی مناسبی در سطح حوضه می باشند، استفاده شده است از طریق رگرسیون چند متغیره به مدل سازی تولید رواناب مبادرت گردیده است. برای ارزیابی مدلهای تهیه شده با استفاده از معیارها و شاخص های متعددی از جمله ضریب همبستگی، خطای استاندارد، خطای نسبی تخمین و تایید، درصد میانگین قدر مطلق خطا، میانگین نسبی مجذور مربعات خطا، میانگین مجذور مربعات خطا، میانگین قدر مطلق خطا استفاده شده است. نتایج حاصل از رگرسیون چند متغیره برای مدل سازی تولید رواناب نشان می دهد که عوامل تعیین کننده بر میزان دبی با دورهای بازگشت مختلف در حوضه آبریز رودخانه کشکان ،عوامل حداکثر بارش ماهانه، مساحت، زمان تمرکز، ضریب فشردگی و حداکثر ارتفاع می باشند.

مدلسازی صحیح فرآیند بارش-رواناب به دلیل گستردگی عوامل موثر بر بارش و رواناب یکی از پیچیدگی های علم هیدرولوژی است. هدف از این پژوهش استفاده از روش های پیش پردازش زمانی از جمله رف ع نویز موجکی و تبدیل موجک برای پیش بینی سری های زمانی ماهانه رواناب در دشت اردبیل می باشد. ش بیه س ازی ب ارش – روان اب ب ا اس تفاده از مدل جعب ه س یاه شبکه عصبی مصنوعی برای سه ترکیب داده های بارش و رواناب دشت اردبیل انج ام گردید. ترکیب اول و دوم داده ها از داده های خود ایستگاه در زمان های گذشته استفاده می کند و ترکیب سوم داده ها از داده های ایستگاه های بالادست (ایستگاه های گیلانده و کوزه تپراقی) برای پیش بینی رواناب خروجی دشت (ایستگاه سامیان) استفاده می کند. نتایج نشان داد ک ه اعم ال روش های پیش پردازش زمانی رف ع نویز م وجکی و استفاده از تبدیل موجک در ش بیه س ازی بارش-رواناب ب ا مدل شبکه عصبی مصنوعی به ترتیب بطور متوسط باع ث بهب ود 4 و 39 درصدی در مرحل ه آزمایش مدل شده است.