مدل سازی تبخیر بر مبنای عوامل اقلیمی و فیزیکوشیمیایی آب شور (مطالعه موردی: دریاچه ارومیه)
نام نخستين پديدآور
سید مصطفی بی آزار صیقلانی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
کشاورزی
تاریخ نشرو بخش و غیره
۱۴۰۰
مشخصات ظاهری
نام خاص و کميت اثر
۱۴۰ص
مواد همراه اثر
سی دی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
دکتری
نظم درجات
مهندسی آب
زمان اعطا مدرک
۱۴۰۰/۰۳/۱۲
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
چکیده: تبخیر به¬عنوان مهم¬ترین عامل خروج (تلفات) آب از دریاچه¬ها بوده، سهم به¬سزایی در بیلان آب دریاچه¬ها ایفا می¬کند و می¬تواند منجر به تغییر در ترکیب شیمیایی آب دریاچه¬ها شود. این تحقیق در محلی در نزدیکی حوضه دریاچه ارومیه انجام شده است. برای انجام آزمایش از 48 بشکه با محتوای آب شور، که در هشت غلظت (آب شرب، 5 گرم بر لیتر، 10 گرم بر لتیر، 20 گرم بر لیتر، 50 گرم بر لیتر، 100 گرم بر لیتر، 200 گرم بر لیتر، 300 گرم بر لتیر و 500 گر بر لیتر) و شش عمق (10 سانتی¬متر، 25 سانتی¬متر، 50 سانتی¬متر، 75 سانتی¬متر، 90 سانتی¬متر و 120 سانتی¬متر) تعبیه شده¬ بودند، استفاده شده است. نمک¬های استفاده شده. در این تحقیق تماما" از نمک دریاچه ارومیه بوده است و سعی شده است شرایط نزدیک به شرایط دریاچه ارومیه باشد. هدف از انجام این تحقیق بررسی خواص فیزیکوشیمیایی تبخیر از آب شور در عمق و غلظت¬های مختلف و هم¬چنین ارائه مدلی مناسب برای تخمین تبخیر است. همان¬طور واضح است که در مد¬ل¬سازی انتخاب متغیرهای ورودی خصوصا" برای مدل¬های دینامیکی غیرخطی یک فرآیند پیچیده است. در این مطالعه از یک روش انتخاب ورودی جدید، مدل موسوم به روش پروکراستس، برای برآورد تبخیر روزانه از آب شور با غلظت¬های مختلف استفاده شده است. تخمین تبخیر از داده¬های اندازه¬گیری شده در عمق¬ها و شوری¬های مختلف بعد از پیش¬پردازش ورودی¬ها توسط سه روش آزمون گاما، تئوری آنتروپی و روش پروکراستس، توسط دو مدل شبکه عصبی مصنوعی و مدل ماشین بردار پشتیبان انجام شده است. نتایج خروجی این مدل¬ها با داده¬های مشاهداتی مقایسه شده و نتایج حاکی از عملکرد قابل قبول مدل¬ها بوده است. لازم به ذکر است که اگرچه روش آزمون گاما نسبت به دو روش دیگر عملکرد بهتری داشته است، روش جدید پروکراستس نیز توانسته است عملکرد قابل قبولی از خود ارائه دهد. در گام بعدی سعی شد که معادله¬ای براساس عمق و غلظت برای تخمین شدت تبخیر ارائه شود. در این مرحله توابع متعددی بر داده¬های مشاهداتی تبخیر برازش داده شده و در نهایت معادله¬ای با کمترین خطا به¬دست آمده است. معادله به¬دست آمده توانسته است تبخیر را در عمق و غلظت¬های مختلف با دقت قابل قبول تخمین بزند. در این گام، متغیرهای عمق و غلظت به¬¬عنوان ورودی درنظر گرفته شده¬اند. بنابر نتایج مقدار تبخیر در زمستان به¬مراتب از بهار و تابستان کمتر بوده در نتیجه به دلیل حذف عامل زمان در این قسمت، برای دو دوره زمستان و بهار-تابستان دو معادله جداگانه ارائه شده است تا دقت تخمین تبخیر افزایش یابد. ضمنا برای این¬که بتوان در این تحقیق عامل زمان و متغیرهای هواشناسی را نیز در یک معادله دیگر برای تخمین تبخیر گنجاند، از معادله رگرسیونی خطی چندگانه استفاده شد. متغیرهای میانگین فشار بخار اشباع، دمای هوا، ساعات آفتابی، میانگین رطوبت نسبی، میانگین سرعت باد و میانگین فشار بخار ایستگاه برای به-دست آوردن معادله رگرسیونی استفاده شده است. معادله رگرسیونی برای تخمین شدت تبخیر شش عمق استفاده در این تحقیق و در غلظت¬های مختلف بسط داده شد. برای این¬که بتوان برای ضرایب معادله رگرسیونی معادله ثابتی در نظر گرفت مجدد توابع مختلف بر ضرایب معادله رگرسیونی برازش داده شد و در این معادله غلظت به¬عنوان متغیر ورودی درنظر گرفته شد. بنابر نتایج، مدل ارائه شده در این مرحله نیز عملکرد قابل قبولی داشته است. هم¬چنین مشاهدات نشان داد که در آب¬های با درجه¬های شوری بالاتر، مقدار تبخیر کم¬تر شده است، که این امر به¬دلیل وجود املاح (شوری¬های مختلف) و فعالیت¬های بونی است. ضمنا باتوجه به نتایج بخش تحلیل حساسیت، نقش املاح در دوره زمستان نیز در فرآیند تبخیر بسیار موثر بوده است به¬طوری که بنابر مشاهدات در دوره زمستان (در روزهای یخبندان که دمای هوا منفی است) تبخیر تنها از غلظت 50 گرم برلتیر به¬بعد صورت گرفته است و عملا در این دوره بیشترین مقدار تبخیر در بشکه با عمق 90 سانتی¬متر و با غلظت 100 گرم برلیتر اتفاق افتاده است. لازم به ذکر است که در برسی عامل عمق، هرچه که عمق زیادتر می¬شود توده¬ی آب و در نتیجه جذب انرژی بیشتر شده و ارتفاع زیادی از آب تحت انرژی قرار گرفته و پیوند آن¬ها سست¬تر می¬گردد و این امر باعث می¬شود که مقدار تبخیر در مجموع افزایش یابد و این فرآیند تا عمق معین ادامه یابد. از عمقی به بعد (در این تحقیق بشکه 120 سانتی¬متری) شدت تبخیر کاهش یافته است که دلیل این امر را می-توان در درجه اول با توجه اندازه¬گیری رطوبت در سطح بشکه¬ها، به افزایش فشار بخار اشباع و افزایش توده¬ی آب که منجر به افزایش نیاز به انرژی جهت شکستن پیوندهای موجود میان مولکول¬های آب می¬شود دانست. بررسی دماهای اندازه-گیری شده در سطح و کف بشکه¬ها نشان می¬دهد که دمای سطح آب از بشکه¬های با شوری¬کمتر به سمت بشکه¬های با شوری بیشتر افزایش یافته¬است وهمچنین دما سطح آب از بشکه¬های با ارتفاع زیاد (120 سانتی¬متری) به سمت بشکه¬ها با ارتفاع کمتر (10 سانتی¬متری) افزایش می¬یابد به طوری که کمترین دما برای بشکه 120 سانتی¬متری و بیشترین دما برای بشکه 10 سانتی¬متری ثبت شده¬است. همچنین دمای اندازه¬گیری شده در کف بشکه¬ها نشان می¬دهد که دما در کف نسبت به سطح بسیارکمتر است (به جز بشکه¬های 10 و 25 سانتی¬متری). ضمنا اندازه¬گیری دما در کف بشکه¬ها نشان داد که دما در کف بشکه¬های 10 و 25 سانتی¬متری به مراتب بیشتر از دمای سطح آب بوده است به طوری که بیشترین دمای اندازه¬گیری شده به دمای کف در بشکه 10 سانتی¬متری تعلق دارد. دلیل این تغییر دمایی در بشکه¬ها را می¬توان لایه¬بندی غلظتی و میزان دریافت انرژی خورشدی در بشکه¬ها دانست. نتایج تحقیق حاضر در برنامه¬ریزی و مدیریت منابع آب بسیار مفید است و هم¬چنین در کشورهای پیشرفته برای تولید انرژی الکتریکی با توجه به گرمای تولید شده در کف بشکه¬ها قابل استفاده است.
متن يادداشت
Abstract: Evaporation is the most important factor in the outflow of lake water that plays an important role in the water balance of lakes and can lead to changes in the chemical composition of lake water. This research has been done near Lake Urmia. The test used 48 barrels embedded in eight concentrations and six depths. The used salts of this research were from the salt of Lake Urmia and the conditions were tried to be close to the conditions of Lake Urmia. The purpose of this study is to investigate the physicochemical properties of evaporation from saline water at different depths and concentrations and to provide a suitable model for estimating evaporation. Because the selection of input variables is a complex process, especially for nonlinear dynamic models, this study used the Procrustes method for estimating the daily evaporation of saline water at different concentrations. Evaporation estimates are made from the measured data at different depths and salinities after pre-processing the inputs by three methods of gamma test, entropy theory, and Procrustes method, and two models of artificial neural network and support vector machine model. The output results of these models were compared with the observational data and the results indicated the acceptable performance of the models. It should be noted that the new method of Procrustes has also been able to provide acceptable performance. In the next part of the research, an equation based on depth and concentration is presented to estimate evaporation. In this section, several functions are fitted to the evaporation observational data, and finally, an equation with the least error has obtained the evaporation at different depths and concentrations. In this section, depth and concentration variables are considered as input. The multiple linear regression equations were used to include the time factor and meteorological variables in another equation for estimating evaporation. The variables of the average vapor pressure of water, air temperature, sunny hours, average relative humidity, average wind speed, and average station vapor pressure were used to obtain the regression equation. The regression equations were obtained at six depths and different concentrations. To be able to consider a fixed equation for the coefficients of the regression equation, different functions were again fitted to the coefficients of the regression equation and concentration was considered as the input variable. According to the results, the model presented also had acceptable performance. The observations also showed that the amount of evaporation has decreased in waters with higher salinity degrees. Also, the greater the depth, the greater the mass of water and as a result, the absorption of energy, and the higher the height of the water, their bonds become weaker, and this causes the amount of evaporation to increase overall, and this process will continue to a certain depth. Evaporation rate decreased from depth onwards (120 cm barrel).
عنوانهای گونه گون دیگر
عنوان گونه گون
Evaporation Modeling Based on Climatic and Physicochemical Properties of Saline Water (Case study: Urmia lake)
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )