تعداد نشریات | 27 |
تعداد شمارهها | 556 |
تعداد مقالات | 5,734 |
تعداد مشاهده مقاله | 8,017,410 |
تعداد دریافت فایل اصل مقاله | 5,389,441 |
مقایسهی روشهای متداول برآورد بار رسوب معلق رودخانهی کرخه با روش برنامهریزی بیان ژن | ||
فصلنامه جغرافیا و توسعه | ||
مقاله 6، دوره 14، شماره 45، دی 1395، صفحه 121-140 اصل مقاله (783.99 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22111/gdij.2016.2925 | ||
نویسندگان | ||
صمد امامقلیزاده ![]() | ||
1دانشیار گروه آب و خاک دانشکده کشاورزی، دانشگاه صنعتی شاهرود، سمنان | ||
2دانشآموخته کارشناسی ارشد سازههای آبی، دانشگاه صنعتی شاهرود، سمنان | ||
چکیده | ||
برآورد دبی بار رسوبات معلق رودخانهها بهدلیل تأثیرگذاری بر طراحی و مدیریت سازههای آبی، در مهندسی آب، هیدرولیک و محیط زیست مهم میباشد. تاکنون تلاشهای گوناگونی جهت برآورد دقیق بار رسوبات معلق توسط پژوهشگران انجام شده است که برای مثال میتوان به برقراری رابطه بین دبی جریان و دبی رسوب اشاره نمود. مشکل این روش، عدم قطعیت آن میباشد. از اینرو، شماری از محققان بهروشهای هوشمند و الگوریتمهای تکاملّی، روی آوردهاند. در پژوهش حاضر بهمنظور پیشبینی بار رسوب معلق ایستگاههای هیدرومتری جلوگیر و پایپل واقع در بالادست سد مخزنی کرخه، روش برنامهریزی بیان ژن مورد استفاده قرار گرفت و نتایج بهدست آمده با نتایج روشهای منحنی سنجه رسوب و فائو مقایسه گردید. برای انجام این کار دادههای دبی جریان، دبی رسوب و ارتفاع باران دو ایستگاه بین سالهای 1390-1365 جمعآوری شد. برای اجرای مدل برنامهریزی بیان ژن دو سناریو تعریف گردید. در سناریوی اول از اطلاعات دبی جریان و دبی رسوب ایستگاهها استفاده شد و در سناریوی دوم از اطلاعات ارتفاع باران حوضهی آبریز نیز استفاده گردید. نتایج نشان داد سناریوی دوم عملکرد بهتری در مقایسه با سناریوی اول داشته است. همچنین، مقایسهی 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 بهمقدار 91% و 94% برای ایستگاه هیدرومتری جلوگیر و 60% و 71% برای ایستگاه هیدرومتری پایپل کاهش داده است. مقایسه همین نتایج با روش فائو نیز نشاندهندهی کاهش خطای RMSE و MAE بهمیزان 92% و 96% برای ایستگاه هیدرومتری جلوگیر و 85% و 95% برای ایستگاه هیدرومتری پایپل میباشد. | ||
کلیدواژهها | ||
ایستگاه هیدرومتری پایپل؛ ایستگاه هیدرومتری جلوگیر؛ بار رسوب معلق؛ برنامهریزی بیان ژن؛ رودخانهی کرخه | ||
مراجع | ||
باغبانپور، شقایق؛ سیدمحمود کاشفیپور (1391). مدلسازیعددی انتقالرسوبغیرچسبنده در رودخانهها (مطالعه موردی: رودخانه کرخه)، مجله علوم و فنون کشاورزی و منابع طبیعی علوم آب و خاک. شماره 61. دوره 16. صفحات 57-45. بختیاری، علیرضا؛ مصطفی رحمانشاهی زهابی؛ باقر یوسفی؛ رضا شیراوند عمرویی(1390). ارزیابی روشهای برآورد بار رسوب کل در رودخانهی کرخه، دهمین کنفرانس هیدرولیک ایران. دانشگاه گیلان. بایزیدی، مطلب؛ بهرام ثقفیان؛ سی و سه مرده معروف، (1391). شبیهسازی و تحلیل زمانی- مکانی خشکسالی هواشناسی در حوزههای آبریز کارون، کرخه و دز، پژوهشهای آبخیزداری. شماره 95. صفحات 64-55. بینا، محمود؛ لاله رنجبران؛ سیدحبیب موسوی جهرمی (1388). برآورد رسوبات معلق با استفاده از پارامترهای فیزیوگرافیک در بالادست سد کرخه، هشتمین سمینار بینالمللی مهندسیرودخانه.دانشگاه شهید چمران اهواز. پوراغنیایی، محمدجواد؛ مسعود گنجی؛ امیر یوسفپور ؛ باقر قرمزچشمه (1386). مروری بر روشهای برآورد بار معلق (مطالعه موردی: حوضه آبریز صیدون)، مجله تحقیقات منابع آب ایران. سال 3. شماره 3. صفحات 75-73. حاجیعلیگل، زهرا؛ سیدمحمود کاشفیپور؛ ایمان بیت اللهپورچهارمحالی (1387). استفاده از شبکههای عصبی مصنوعی در برآورد دبی رسوب ورودی به سد مخزنی کرخه، هفتمین کنفرانس هیدرولیک ایران. دانشگاه صنعت آب و برق شهید عباسپور. حیدری، خلیل؛ عباس منصوری؛ آرش رزمخواه(1391). ارزیابی آورد رسوب بار معلق حوضهی آبریز کرخه با استفاده از روشهای هیدرولوژیکی دومین همایش ملّی عمرانوتوسعه پایدار، مؤسسه آموزش عالی آزاد خاوران. مشهد. خسروپور، حسین؛ محمدعلی بنیهاشمی (1387). بررسی رسوبگذاری در مخزن سد کرخه با استفاده از مدل عددی و ارائهی راهکارهایی برای مدیریت رسوبگذاری در مخزن، دومین کنفرانس ملّی سد و نیروگاههای برقابی. تهران. داداشزادهاصل فاطمه،محسنیساروی محسن؛ حسن احمدی؛جوادوروانی(1388).ارزیابی و توسعهمنحنیهای سنجه رسوب در برآورد بار رسوبی وقایع سیلابی (منطقهی مورد مطالعه: حوزهی آبخیز قرهچای)، پژوهشهای آبخیزداری (پژوهش وسازندگی). شماره 84. صفحات 35-28. زنگانه، محمدابراهیم؛ ابوالفضل مساعدی؛ مهدی فتاحهلقی؛ امیراحمد دهقانی (1388). مناسبترین روش برآورد دبی انتقال رسوبات معلق (مطالعه موردی ایستگاه ارازکوسه واقع در حوضه گرگانرود، ICWR. ذرتیپور، محمد؛ بهروز دهانزاده؛ عبدالرضا ظهیری؛ محمد هوشمندزاده (1389). شبیهسازی رسوبگذاری در مخزن سد کرخه با استفاده از مدل کامپیوتری GSTARS-3، پیام مهندس. شماره 53. سال 11. صفحات 17-9. سلاجقه، علی؛ سمانه رضویزاده؛ نعمتالله خراسانی ن؛ مبینا حمیدیفر؛ سوسن سلاجقه (1390). تغییرات کاربری اراضی و آثار آن بر کیفیت آب رودخانه (مطالعه موردی: حوزهی آبخیز کرخه)، محیطشناسی. شماره 58. سال 37. صفحات 86-81. شرکت توسعه منابع آب و نیروی ایران (1380). خلاصه مطالعات مرحله اول طرح کرخه، وزارت نیرو. چاپ اول. انتشارات اکسیر. تهران. ظهیری، عبدالرضا؛ هاشم ماکنالیزاده؛ بهروز دهانزاده؛ صادق طرفی (1388). برآورد حجم رسوب معلق ورودی به مخزن سد کرخه، هشتمین کنگره بینالمللی مهندسی عمران. دانشگاه شیراز. قمشی، مهدی؛ حسن ترابیپوده (1381).ارزیابی کاربرد معادلههای برآورد بار رسوبی در رودخانههای خوزستان، علوم و فنونکشاورزی و منابع طبیعی. شماره 1. جلد 6. صفحات 29-13. کالوندی، سیدمحمد؛ سعیدرضا خداشناس؛ بیژن قهرمان؛ رمضان طهماسبی؛ آرمین بوستانی (1389). آنالیز روشهای مختلف منحنی سنجه در برآورد رسوب ورودی به سدها (مطالعه موردی سد دوستی)، فصلنامه علمی پژوهشی آبیاری و آب. شماره 1. سال 1. صفحات 20-10. کیا، عیسی؛ علیرضا عمادی (1391). مقایسه روشهای مختلف رگرسیون آماری در برآورد بار رسوب معلق دراز مدت سالانه (مطالعه موردی: بابلرود)، پژوهشنامه مدیریتحوزه آبخیز. شماره 7. سال 4. صفحات 27-15. ماکنالیزاده، هاشم؛ عبدالجلیل طرفی؛ صادق طرفی؛ مهدی اسروش (1389). بررسی آورد رسوب کل سرشاخههای اصلی رودخانه کرخه به سد مخزنی کرخه بر اساس روشهای USBR و FAO" مجموعه مقالات نخستین کنفرانس ملّی پژوهشهای کاربردی منابع آب ایران. شرکت آب منطقهای کرمانشاه. میرزایی، محمد (1380). مقایسه روشهای آماری برآورد بار رسوب در رودخانهها (مطالعه موردی:رودخانه گرگانرود)، پایاننامه ارشد. دانشگاه تهران. وروانی، جواد؛شهرام خلیقیسیگارودی (1386). بررسی میزان خطای منحنیهای سنجه رسوب برای برآورد بار رسوبی وقایع سیلابی در رودخانه قرهچای، یافتههاینوین کشاورزی. شماره 3. دوره 1. صفحات 214-201. Yassin, Mohamed., Alazba, A.A., and A.Mattar, Mohamed )2016(. Artificial neural networks versus gene expression programming for estimating reference evapotranspiration in arid climate. Agricultural Water Management.163. 110-124. Atieh, M., Mehltretter, S.L., Gharabaghi, B., and Rudra, R )2015(. Integrative neural networks model for prediction of sediment rating curve parameters for ungauged basins. Journal of Hydrology, 531. 1095-1107. Aytek, Ali., and Kisi, Ozgur )2008(. A genetic programming approach to suspended sediment modeling. Journal of Hydrology,351:3-4.288-298. Azamathulla, H.Md, Deo, M.C., and Deolalikar, P.B )2008(. Alternative neural networks to estimate the scour below spillways. Advances in Engineering Software. 39: 8. 689-698. Azamathulla, Hazi Mohammad., Ab.Ghani, Aminuddin., Leow, Cheng Siang., Chang, Chun Kiat., and Zakaria, Nor Azazi )2011(. Gene-Expression programming for the development of a stage-discharge curve of the Pahang River. Water Resour Manage, 25. 2901-2916. Azamathulla, Hazi Mohammad )2012(. Gene expression programming for prediction of scour depth downstream of sills. Journal of Hydology, Vol. 460-461.156-159. Azamathulla, H.Md., and Jarrett, R.D )2013(. Use of Gene-Expression Programming to Estimate Manning’s Roughness Coefficient for High Gradient Streams. Water Resour Manage, 27.715-729. Bateni, S.M., Borghei, S.M., and Jeng, D.-S. )2007(. Neural network & neuro fuzzy assessments for scour depth around bridge piers. Engineering Applications of Artificial Intelligence,20:3.401-414. Ebtehaj, Isa., Bonakdari, Hossein., Zaji, Amir Hossein., Azimi, Hamed., and Sharifi, Ali )2015(. Gene expression programming to predict the discharge coefficient in rectangular side weirs. Applied Soft Computing, 35. 618-628. Emamgholizadeh, S., Kashi, H., Marofpoor, I., and Zalaghi, E )2014(. Prediction of water quality parameters of Karoon River (Iran) by artificial intelligence-based models. InternationalJournal of Environmental Science and Technology,3:11. 645-656. Emamgholizadeh, S., Bateni, S.M., Shahsavani, D.,Ashrafi, T., and Ghorbani, H)2015(. Estimation of soil cation exchange capacity using Genetic Expression Programming (GEP) and Multivariate Adaptive Regression Splines (MARS). Journal of Hydrology, 529. 1590-1600. Ferreira, Candida )2001a(. Gene Expression Programming in Problem Solving. In: 6th online world conference on Soft Computing in Industrial Applications (Invited tutorial), 1-22. Ferreira, Candida )2001b(. Gene Expression Programming: A New Adaptive Algorithm for Solving Problems.Complex Systems,13:2.87-129. Ferreira, Candida (2004). Gene expression programming and the evolution of computer programs. RecentDevelopments in Biologically Inspired Computing, 82-103. Guven, Aytek., and Ersin Talu, Necip (2010). Gene expression programming for estimating suspended sediment yield in middle Uuphrates basin. Clean-Soil, Air, Water, 38:12. 1159-1168. Guven, Aytek., and Kisi, Ozgur (2011). Estimation of suspended sediment yield in natural rivers using Machine-Coded linear genetic programming. Water Resour Manage,25. 691-704. Haddadchi, Arman., Movahedi, Neshat., Vahidi, Elham., and Dehghani, Amir Ahmad (2013). Evaluation of suspended load transport rate using formulas and artificial neural network models (Case study: Chelchay Catchment). Journal of Hydrodynamics, 25:3. 459-470. Kakaei Lafdani, E., Moghaddam Nia, A., and Ahmadi, A (2013). Daily suspended sediment load prediction using artificial neural networks and support vector machines. Journal of Hydrology, 478. 50-62. Kisi, O., Hosseinzadeh Dalir, Ali., Cimen, Mesut., and Shiri Jalal (2012). Suspended sediment modeling using genetic programing and soft computing techniques. Journal of Hydrology, 450-451, 48-58. Kisi, Ozgur., Shiri, Jalal., and Tombul, Mustafa (2013). Modeling rainfall-runoff process using soft computing techniques. Computers & Geosciences, 51. 108-117. Kumar, Dheeraj., Pandey. Ashish., Sharma, Nayan., and Flugel, Wolfgang-Albert (2016). Daily suspended sediment simulation using machine learning approach. Catena, 138. 77-90. Moharana, S., and Khatua, K.K (2014). Prediction of roughness coefficient of a meandering open channel flow using Neuro-Fuzzy Inference System. Measurement, 51. 112-123. Muzzammil, Mohammad., Alama, Javed., and Danish, Mohammad (2015). Scour prediction at bridge piers in cohesive bed using Gene Expression Programming. Aquatic Procedia, 4. 789-796. Najafzadeh, Mohammad., Etemad-Shahidi, Amir., and Yong Lim, Siow (2016). Scour prediction in long contractions using ANFIS and SVM. Ocean Engineering, 111. 128-135. Palmieri, A., Shah, F., W.Annandale G. and Danier A (2003). Reservoir Conservation, Vol. 1, the Rescon Approach. 101p. Riad, S., and Mania, J (2004). Rainfall-Runoff model using an artificial neural network approach. Mathematical & Computer Modeling,40.839-846. Roushangar, Kiyoumars., Vojoudi Mehrabani, Fatemeh., and Shiri, Jalal (2014). Modeling river total bed material load discharge using artificial intelligence approaches (based on conceptual inputs). Journal of Hydrology, 514. 114-122. Zakaria, Nor Azazi., Azamathulla, Hazi Mohammad., Chang, Chun Kiat., and Ab.Ghani, Aminuddin(2010). Gene Expression Programming for Total Bed Material Load estimation- a case study. Science of the Total Environment, 408. 5078-5085. Zhang, Wei., Wei, Xiaoyan., Zheng, Jinhai., Zhu, Yuliang., and Zhang, Yanjing (2012). Estimating suspended sediment load in the Peral River Delta region using sediment rating curves. Continental Shelf Research, 38. 35-46.
| ||
آمار تعداد مشاهده مقاله: 815 تعداد دریافت فایل اصل مقاله: 1,037 |