عنوان

بررسی مقایسه ای بارش- رواناب در زیر حوضه لنبران چای با استفاده از شبکه های عصبی و مدل AWBM

شماره

پ۲۷۵۳۲

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بررسی مقایسه ای بارش- رواناب در زیر حوضه لنبران چای با استفاده از شبکه های عصبی و مدل AWBM

نام نخستين پديدآور

میر مهدی هادیان

نام ناشر، پخش کننده و غيره

برنامه ریزی و علوم محیطی

تاریخ نشرو بخش و غیره

۱۴۰۱

نام خاص و کميت اثر

۸۳ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

ژئومورفولوژی گرايش برنامه ریزی محیطی

زمان اعطا مدرک

۱۴۰۱/۰۶/۱۶

متن يادداشت

بطور کلی بخش قابل توجهی از نزولات جوی با توجه به ویژگی های فیزیوگرافی آبریزها به رواناب تبدیل می شود. رواناب حاصل از بارش و ذوب برف یکی از منابع اصلی برای تحقق نیازهای کشاورزی، صنعتی و مصارف خانگی است به طوری که برنامه ریزان منابع آب با تکیه بر داده های جریان رواناب، تخصیص منابع آب به این مصارف را تعیین می کنند. محدوده موردمطالعه در بین مختصات جغرافیایی ً17 و َ20 و ˚46 تا ً45 و َ34 و ˚46 طول‌های شرقی و ً49 و َ 26 و ˚38 تا ً 23 و َ35 و ˚38 عرض‌های شمالی قرارگرفته است. این حوضه ازنظر تقسيمات كشوري در دهستان سينا از بخش مركزي شهرستان ورزقان از توابع استان آذربايجان شرقي واقع‌شده است. شهرستان ورزقان ازلحاظ موقعيت جغرافیایی خاص و به دليل اينكه از نواحی سرسبز جنگل‌هاي ارسباران به شمارمي آيد، به شهرستان ارسباران معروف بوده است. در طی سالهای اخیر پیش بینی فرآیندهای هیدرولوژیکی به منظور بهره برداری پایدار از منابع آب با استفاده از روشهای داده محور مورد توجه دست اندرکاران بخش آب قرار گرفته است. اگرچه مدل سازی با رویکردهای داده محور ممکن است توانائی کافی برای تفسیر فرایندهای فیزیکی درون حوضه را نداشته باشند اما به طور صحیح و دقیقی می توانند رواناب خروجی حوضه را تخمین بزنند شبکه های عصبی مصنوعی یکی از مهم ترین روش های داده محور می باشند که کاربردهای زیادی در مدل سازی فرآیندهای هیدرولوژی داشته اند. بنابراین برای شبیه سازی بارش – رواناب در این حوضه از شبکه های عصبی مصنوعی استفاده شد و براینکه امکان اندازه گیری تمام کمیتهای مورد نیاز برای شبیه سازی های دقیق هیدرولوژیکی میسر نمی باشد. از این رو، برای مقایسه و رسیدن به نتیجه مطلوب از مدل AWBM نیز استفاده گردید با توجه به اینکه الان ارزیابی دقیق جریان، دارای اثرات اقتصادی چشم گیری است به طوریکه در مسائل مربوط به مدیریت منابع آب، کنترل آلودگی طرح های مهندسی آب، مصارف کشاورزی، خسارت ناشی از سیل و حفظ و بهره وری مناسب از منابع طبیعی ضروری می باشد. همچنین پیش بینی و تعیین میزان کمی فرآیندهای تولید رواناب و انتقال آن به نقطه خروجی حوضه آبریز از اهمیت خاصی برخوردار است. بنابراین بررسی مقایسه ای بارش- رواناب در زیر حوضه لنبران چای با استفاده از شبکه های عصبی و مدل AWBM صورت می گیرد تا بتوان با شناخت صحیح آن مدیریت بهینه‌ای را در سطح محلی انجام داد. هدف از انجام این پروژه، انجام یک ارزیابی مقایسه ای بین دو رویکرد پیشنهادی می باشد. زیرا دقت در محاسبات و تطابق بهتر نتایج خروجی مدل با حالت واقعی بارش - رواناب، از اهمیت بالایی در شبیه سازی رواناب در حوضه مورد نظر دارد. نتایج شبیه سازی رواناب - بارش حاصل از دو مدل مذکور با حالت واقعی رواناب در ایستگاه مورد نظر مقایسه شده و مدل مناسب انتخاب می شود. این مقایسه با استفاده از توابع هدف، همچون: ضریب نش -سا تكليف (ضریب کارایی) انجام می شود. با توجه تحلیل های صورت گرفته و ضرایب بدست آمده شبکه های عصبی مصنوعی در این حوضه عملکرد بهتری نسبت به مدل AWBM دارد. هم چنین شبکه های عصبی مصنوعی رواناب های اوج را بهتر از مدل AWBM شبیه سازی می کند در حالیکه مدل AWBM در شبیه سازی رواناب های کم عملکرد بهتری دارد و در مجموع می توان گفت عملکرد هر دو مدل در این حوضه رضایت بخش می باشد. با تجزیه و تحلیل مدل‌سازی‌های انجام گرفته کمبود ایستگاه‌های هواشناسی و هیدرومتری از مهم‌ترین موانع در برآورد دقیق رواناب توسط ابزارهای هیدرولوژیکی بویژه مدل AWBM محسوب می‌شوند. به همین سبب پیشنهاد می‌شود با احداث ایستگاه‌های اندازه‌گیری، داده‌های مشاهداتی معتبرتری ثبت شده تا بتوان با دقت بالاتری فرآیند شبیه‌سازی را انجام داد. هم چنین از آمار ایستگاههای دبی سنجی متعدد و دبی روزانه به جای دبی ماهانه، در صورت وجود در یک حوضه آبریز استفاده شود تا نتایج آنها با هم مقایسه شوند و برای رسیدن به نتایج مطلوب این مدل بصورت مقایسه ای با سایر مدل های شبیه سازی در این حوضه و حوضه های همجوار استفاده گردد.

متن يادداشت

In general, a significant part of precipitation is converted into runoff due to the physiographic characteristics of catchments. The runoff resulting from precipitation and melting snow is one of the main sources for fulfilling agricultural, industrial and domestic needs, so that water resource planners determine the allocation of water resources for these uses based on the data of the runoff flow. The studied area is located between the geographical coordinates of 17, 20, 46 to 45, 34 and 46 east longitudes and 49, 26, 38 to 23, 35 and 38 north latitudes. In terms of country divisions, this watershed is located in Sina village, in the central part of Varzeghan city, in the provinces of East Azarbayjan province. Varzghan city has been known as Arsbaran city due to its special geographical location and because it is one of the green areas of Arsbaran forests. In recent years, forecasting of hydrological processes in order to use water resources sustainably using data-oriented methods has attracted the attention of those involved in the water sector. Although modeling with data-oriented approaches may not have enough ability to interpret the physical processes in the basin, but they can correctly and accurately estimate the outflow of the basin. Artificial neural networks are one of the most important data-oriented methods that have applications. have had a lot in the modeling of hydrological processes. Therefore, artificial neural networks were used to simulate rainfall-runoff in this basin, and because it is not possible to measure all parameters required for accurate hydrological simulations. Therefore, AWBM model was also used to compare and achieve the desired result, considering that now the accurate evaluation of the flow has significant economic effects, so that in the issues related to water resources management, pollution control, water engineering projects, consumption Agriculture, flood damage and proper conservation and productivity of natural resources are essential. Also, it is very important to predict and determine the quantity of runoff production processes and its transfer to the outlet point of the catchment basin. Therefore, a comparative study of rainfall-runoff under the Lenbaran Chai basin is carried out using neural networks and AWBM model so that optimal management can be carried out at the local level. The purpose of this project is to perform a comparative evaluation between the two proposed approaches. Because the accuracy in the calculations and the better matching of the model output results with the actual rainfall-runoff situation are of great importance in simulating the runoff in the desired basin. The results of runoff-precipitation simulation obtained from the two mentioned models are compared with the actual state of runoff in the desired station and the appropriate model is selected. This comparison is done by using objective functions, such as: Nash coefficient (efficiency coefficient). According to the analysis and obtained coefficients, artificial neural networks perform better than the AWBM model in this basin. Also, artificial neural networks simulate peak runoff better than the AWBM model, while the AWBM model performs better in simulating low runoff, and in general, it can be said that the performance of both models is satisfactory in this basin. By analyzing the modeling done, the lack of meteorological and hydrometric stations is one of the most important obstacles in the accurate estimation of runoff by hydrological tools, especially the AWBM model. For this reason, it is suggested that by building measuring stations, more valid observational data will be recorded so that the simulation process can be carried out with higher accuracy. Also, the statistics of multiple flow measurement stations and daily flow instead of monthly flow should be used, if available in a catchment basin, so that their results can be compared and to achieve the desired results of this model in comparison with other simulation models in This basin and neighboring basins should be used.

عنوان گونه گون

Comparative investigation of rainfall-runoff in the Lenbaran Chai sub-basin using neural networks and AWBM model

عنصر شناسه اي

‏هادیان،

ساير عناصر نام

‏‏میر مهدی

کد نقش

تهیه کننده

عنصر شناسه اي

‏رضایی مقدم،

عنصر شناسه اي

‏مختاری،

ساير عناصر نام

‏‏محمدحسین

ساير عناصر نام

‏داود

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏تبریز