محمد غلامپور؛ عبدالحلیم غزالی؛ احمد رودزی؛ شهاب عراقی‌نژاد
چکیده
در مناطق خشک همانند سطح عظیمی از ایران، انسان همواره با کمبود آب مواجه بوده و هست. جمع‌آوری آب به‌ویژه در بهره‌برداری صحیح از آب‌های موجود در مناطق خشک، می‌تواند موثر باشد. تنوع اقلیم در ایران با وجود میانگین بارندگی کمتر از یک سوم جهانی، بالا است، حتی در مناطق جنوبی کشور و در مقیاس کوچک، از جمله میناب و محل سد احداثی استقلال هم، ...
بیشتر
در مناطق خشک همانند سطح عظیمی از ایران، انسان همواره با کمبود آب مواجه بوده و هست. جمع‌آوری آب به‌ویژه در بهره‌برداری صحیح از آب‌های موجود در مناطق خشک، می‌تواند موثر باشد. تنوع اقلیم در ایران با وجود میانگین بارندگی کمتر از یک سوم جهانی، بالا است، حتی در مناطق جنوبی کشور و در مقیاس کوچک، از جمله میناب و محل سد احداثی استقلال هم، که بارندگی به یک سوم میانگین کشوری می‌رسد، این تنوع اقلیمی به خوبی مشاهده می‌شود. در شرایط کنونی، روند بارندگی‌ها در میناب نیز تغییر کرده، طول دوره خشکسالی‌ها افزایش یافته است. سامانه‌های بهره‌برداری استاندارد طراحی شده قبلی برای برآورد آب ورودی به مخازن سدها همانند سد استقلال میناب، پاسخگوی مصارف نیست. لذا، استفاده از روش‌های جدید در افزایش دقت و همچنین، پیش‌بینی رواناب حوضه رودخانه میناب امری کاملا ضروری به نظر می‌رسد. برای رسیدن به این هدف، استفاده از مدل‌های فیزیکی و عددی در برآورد و پیش‌بینی دقیق‌تر از اهمیت خاصی برخوردار است. در این تحقیق، از دو مدل SWAT و هوش مصنوعی FTDNN برای برآورد و پیش‌بینی رواناب استفاده شده است. واسنجی، اعتبارسنجی و پیش‌بینی رواناب با استفاده از لایه‌های خاک، کاربری اراضی، توپوگرافی و داده‌های هیدروکلیماتولوژی در مقیاس سالانه و ماهانه انجام شد. مقادیر معیارهای ارزیابی همچون میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) برای دو مدل در مرحله واسنجی در دوره سالانه برای مدل SWATبه‌ترتیب برابر با 6.89 و 8.37 و در FTDNN برابر با 5.35 و 7.76 برآورد شدند. ضریب خطی رگرسیون R2 در مرحله واسنجی در مقیاس ماهانه به‌ترتیب معادل 0.96 و 0.89 برای SWAT و این شاخص در مقیاس سالانه معادل 0.89 و 0.49 برای FTDNN است. ضریب خطی رگرسیون در مرحله اعتبارسنجی دو روش مذکور به‌ترتیب در مقیاس ماهانه 0.98 و 0.6 و در مقیاس سالانه 0.94 و 0.97 در دو مدل را نشان می‌دهد. نتایج حاصل از مقایسه معیارهای ارزیابی دو مدل حاکی از آن است که مدل هوش مصنوعی FTDNN از دقت و کارایی بیشتری نسب به مدل SWAT برخوردار است.
فاطمه میرزایی ندوشن؛ شهاب عراقی‌نژاد؛ امید بزرگ‌حداد
چکیده
یکی از مهم‌ترین چالش‌های بهره‌برداری از سامانه‌های مدیریت منابع آب و به‌طور خاص مخازن سطحی در رویارویی با تغییرات هیدرولوژیکی، در نظر گرفتن وقوع پدیده خشکسالی در نحوه بهره‌برداری از منابع آب است. علاوه بر تغییرات دبی نسبت به متوسط، عامل مهم دیگر تداوم پدیده خشکسالی می‌باشد. یکی از راه‌های مقابله با خشکسالی، ...
بیشتر
یکی از مهم‌ترین چالش‌های بهره‌برداری از سامانه‌های مدیریت منابع آب و به‌طور خاص مخازن سطحی در رویارویی با تغییرات هیدرولوژیکی، در نظر گرفتن وقوع پدیده خشکسالی در نحوه بهره‌برداری از منابع آب است. علاوه بر تغییرات دبی نسبت به متوسط، عامل مهم دیگر تداوم پدیده خشکسالی می‌باشد. یکی از راه‌های مقابله با خشکسالی، بهره‌برداری مناسب از منابع آب در شرایط خشکسالی است. برای بهره‌برداری از منابع آب مدل‌های مختلفی مانند WEAP توسعه یافته است. اما چنین مدلی قابلیت مدل‌سازی بهره‌برداری مخازن در شرایط خشکسالی را ندارد. بنابراین، توسعه چنین امکانی در مدل WEAP برای مهندسین منابع آب بسیار حائز اهمیت است. در پژوهش حاضر امکان توسعه قوانین بهره‌برداری هجینگ در قالب نرم‌افزار WEAP مورد تحلیل قرار گرفت و برنامه‌ای الحاقی برای نرم‌افزار WEAP توسعه داده شد. توسعه این مدل امکان تلفیق بهینه‌سازی و شبیه‌سازی در سطح حوزه‌های آبخیز را فراهم می‌کند. به‌منظور آزمون قابلیت‌های این برنامه الحاقی، بهره‌برداری از مخازن رودخانه گرگان‌رود مدل‌سازی شد و نتایج این مدل توسعه داده شده با نتایج مدل معمولی WEAP مقایسه شد. نتایج نشان‌دهنده افزایش کارایی نرم‌افزار WEAP در مدل‌سازی شرایط خشکسالی هیدرولوژیکی از یک درصد در سد وشمگیر تا 37 درصد در سد گلستان بوده است. شایان ذکر است که مدل الحاقی به‌صورت یک مدل عمومی توسعه پیدا کرده و قابل بکارگیری در حوضه‌های مختلف می‌باشد.
