مهندسی منابع آب
سال:1393 | دوره:7 | شماره:21 |تعداد مقالات:8

الگوی جریان و انتقال رسوب در مصب ها از مهمترین فرایندهای ساحلی موثر بر ریخت شناسی خط ساحلند. این عوامل، خود متاثر از امواج و جزر و مد می باشند. اهمیت موضوع فوق باعث شده است که امروزه متخصصان در پی بهترین روش مطالعه و اجرای شبیه های عددی در مورد حوزه های آبی باشند. در این تحقیق، به کمک شبیه سازی عددی تاثیر جریان های جزر و مدی بر انتقال رسوب و شکل عوارض رسوبی در مصب ها مورد بررسی قرار گرفته است. برای این منظور، محل اتصال یک خلیج کوچک به دریای آزاد، به وسیله نرم افزار مایک 21 مطالعه شده است. شبیه مورد نظر تحت شرایط مختلف جزر و مد (با دامنه های مختلف 0.5، 1.5 و 2.5 متری) مورد بررسی قرار گرفت. نتیجه این تحقیق موید ایجاد جریان های گردابی در حالت تبدیل از جزر به مد و یا بر عکس است. عملکرد این جریان های گردابی در حضور جریان های مدی (به سمت ساحل) و جریان های جزری (جریان های برگشتی)، باعث ایجاد کم عمقی هایی در بالادست و پایین دست مصب می گردد. شعاع گردابه های جزر و مدی، و عرض محدوده رسوبگذاری در طرفین دهانه، با دامنه جزر و مد رابطه مستقیم دارند. انتقال رسوب در دامنه های 1.5 و 2.5 متری در حالت مد غالب (انتقال رسوب به سمت خلیج)، در دامنه یک متری در حالت جزر غالب صورت می گیرد.

در جریان های تحت فشار، استفاده از افزایش مقطع ناگهانی به عنوان یکی از گزینه های استهلاک کارمایه مطرح است. از آن جا که حباب های ناشی از پدیده حباب زایی می تواند زیانهای سازه ای قابل توجهی در پی داشته باشند، براورد بیشینه فشار منفی در بازشدگی ناگهانی مورد توجه خاص قرار دارد. نوسانهای فشار، دامنه و شدت حباب زایی به مقدار بیشینه فشار منفی وابسته است. بنابراین براورد مقدار بیشینه فشار منفی در مرحله طراحی ضروری است. در این تحقیق، با تغییر هندسه و مشخصات جریان، بازشدگی های ناگهانی پرشماری تولید و به کمک پویایی سیالات محاسباتی شبیه سازی شدند. نتایج حاصل از شبیه سازی های عددی انطباق لازم را با مشاهدات آزمایشگاهی داشتند، بنابراین، شبیه عددی توانایی لازم را برای پیش بینی بیشینه فشار منفی دارد. در این مقاله، برای اولین بار، از روش داده کاوی M5P برای برقراری ارتباطی سریع، دقیق و کم هزینه بین مشخصات هندسی و مشخصات جریان در بازشدگی ناگهانی، و مقدار بیشینه فشار منفی استفاده شده است. نتایج نشان می دهند که قوانین ساده مبتنی بر M5P می توانند به دقت مقدار بیشینه فشار منفی را براورد کنند.

به رابطه بین رطوبت و مکش آب خاک، منحنی مشخصه آب خاک گفته می شود، که اندازه گیری آن وقت گیر و پرهزینه است. از روش های تخمین منحنی مشخصه، استفاده از منحنی دانه بندی و چگالی ظاهری خاک است، که در آن از فراسنج مقیاس (a) استفاده می شود. در این پژوهش از 9 نمونه خاک مختلف منطقه مرودشت در استان فارس با بافت های رس لایی و متوسط رسی لایی استفاده، و منحنی مشخصه هر خاک تعیین گردید. سپس منحنی دانه بندی هر خاک باکاربرد روش فولادمند و سپاسخواه (FS) و فولادمند و منصوری (FM) تخمین زده شد. هم چنین، در این پژوهش، از نسبت پوکی متغیر خاک در قسمت های مختلف منحنی دانه بندی بهره وری گردید و برای تعیین فراسنج مقیاس دو روش خطی با نسبت پوکی متغیر (LN) و لجستیک با نسبت پوکی متغیر (LG) درنظر گرفته شدند. بر این اساس، منحنی مشخصه هر خاک از چهار حالت مختلف تخمین زده شد و با منحنی مشخصه تعیین گردیده هر خاک مقایسه شد. نتایج نشان دادند که شبیه FM برای تخمین منحنی دانه بندی، و به دنبال آن براورد منحنی مشخصه مناسبتر از شبیه FS می باشد. هم چنین، بطور کلی، نتایج نشان دادند که حالت FM-LN مناسب ترین حالت برای تخمین منحنی مشخصه خاک های مورد مطالعه می باشد.

پیش بینی پدیده هایی نظیر خشکسالی، که گاهی آثار زیان بار آنها جبران پذیر نیست، یکی از مهمترین مسائل برای محققان بوده است. در این پژوهش با بهره وری از داده های بارش و جریان های ماهانه 40 ساله (1349-1388) در حوضه آبخیز صوفی چای واقع در استان آذربایجان شرقی، دوره های خشکی مربوط به هر گروه داده بارش و جریان، با کاربرد روش رژیم بهنجار ماهانه استخراج گردید، سپس ارتباط زمانی بین خشکسالی های هواشناسی و آبشناسی با کاربرد روش های هوش مصنوعی نظیر GP و ANFIS بررسی شد تا با استفاده از شبیه مناسب تر بتوان با داشتن خشکسالی های هواشناسی، خشکسالی های آبشناسی را از نظر زمان وقوعشان، قبل از رخدادن آنها پیش بینی کرد. دو روش مزبور با به بکارگیری آماره های مناسب، مانند ضریب همبستگی (r2 )، مجذور میانگین مربعات خطا (RMSE) و میانگین مطلق انحرافات (MAD) ارزیابی شدند، نتایج نشان دادند که بین هر دو خشکسالی، در هر دو شبیه انتخاب شده، همبستگی بالایی با ضریب همبستگی در حدود 0.99 وجود دارد، که بیانگر نیکویی هر دو شبیه در ایجاد ارتباط زمانی بین خشکسالی های هواشناسی و آبشناسی می باشد. با توجه به معیارهای خطا می توان نتیجه گرفت که می توان زمان رخدادن خشکسالی آبشناسی را با کاربرد روش ANFIS، و با آماره های RMSE=4.98 وMAD=3.83  نسبت به شبیه GP با RMSE=6.437 و MAD=5.201 با اطمینان بیش تری پیش بینی کرد.

در سال های اخیر، به علت رشد صعودی تقاضای آب، استفاده بیش از پیش از منابع محدود آب، اعم از سطحی و زیرزمینی، و در برخی مناطق استفاده توامان از این منابع، افزایش یافته است. همزمان با این رشد استفاده، شبیه سازی بهره برداری، شامل شبیه سازی و بهینه سازی، بخصوص در نحوه برخورد با آب زیرزمینی، توسعه یافته است. قواعد بهره برداری یکی از ابزارهای مناسب در برنامه ریزی منابع آب می باشند که با استفاده از مقادیر متغیرهای حالت متفاوت، در گذشته و حال سامانه، نحوه و مقدار برداشت از منابع مختلف را در زمان حاضر براورد می کنند. در این تحقیق، نحوه بهره برداری زمان واقعی از منابع متفاوت و تخصیص آب به نیازهای مختلف سامانه آبخوان - سد در محدوده کرج مورد بررسی قرار گرفته است. به این منظور، کارآیی الگوریتم ژنتیک (GA) در استخراج قاعده بهره برداری خطی و برنامه ریزی ژنتیک با موقعیت ثابت ژن (FLGGP) در یافتن روابط ریاضی بدون قالب از پیش تعیین شده خطی یا غیرخطی، با هدف کمینه سازی مجموع مربعات انحرافات مقادیر بهنجار شده تخصیص از نیاز، مقایسه شده اند. نتایج حاکی از آن هستند که تابع هدف حاصل از FLGGP، 32.58 درصد کمتر (بهتر) از مقدار مشابه حاصل از GA می باشد. به این ترتیب، کارآیی و انعطاف پذیری FLGGP، به علت استفاده از توابع و متغیرهای مختلف در جستجوی فضای تصمیم برای سامانه تلفیقی، بیشتر از GA است.

با توجه به نقش نسبت جذبی سدیم (SAR) در مدیریت و پایداری خاک، برآورد این فراسنج در آبهای زیرزمینی استفاده شده در اراضی کشاورزی از اهمیت خاصی برخوردار است. هدف از این پژوهش، مقایسه عملکرد و کارایی دو شبیه وایازی خطی چند متغیره، و شبکه عصبی مصنوعی در شبیه سازی و براورد نسبت جذبی سدیم در آبهای زیرزمینی دشت بجستان می باشد. جهت انجام پیش بینی نسبت جذبی سدیم به عنوان متغیر وابسته، و فراسنج های طول و عرض جغرافیایی، هدایت الکتریکی، میزان کل عناصر محلول و مقادیر pH به عنوان متغیر مستقل به کار گرفته شدند. سپس شبیه وایازی خطی چند متغیره و شبکه عصبی مصنوعی بین این فراسنج ها و نسبت جذبی سدیم برقرار گردید. در نهایت، کارایی این شبیه ها با استفاده از روش اعتبارسنجی متقابل مورد ارزیابی قرار گرفت. نتایج نشان دادند که روش های وایازی خطی چند متغیره و شبکه عصبی مصنوعی به ترتیب می توانند23.9  و 80 درصد از تغییرات نسبت جذب سدیم را در منطقه مورد مطالعه توجیه کنند. نتایج تحلیل حساسیت شبیه شبکه عصبی مصنوعی نشان دادند که فراسنج pH تاثیر بیش تری در دقت برآورد نسبت جذب سدیم در منطقه دارد.

استفاده از سرریزهای پلکانی، به علت هزینه ساخت پایین و بازدهی بالای آن، بطور فزاینده ای رو به افزایش است. از این رو، مطالعات نیز در این زمینه با رشد و توجه زیادی از سوی مهندسین سدساز همراه بوده، ولی اغلب این مطالعات در زمینه سرریزهای پلکانی با ارتفاع پله یکنواخت می باشند، در حالی که ارتفاع پله غیریکنواخت نیز می تواند در بعضی حالات به عنوان یک گزینه مطرح گردد. در این تحقیق یک نمونه فیزیکی از سد هرات برای سرریز پلکانی با ارتفاع 1.3 متر و شیب 19.2 درجه برای صحت سنجی شبیه عددی استفاده شد، سپس سه نوع پیکربندی پلکانی با استفاده از پویایی سیال محاسباتی در قالب نرم افزار ANSYS CFX برای محدوده جریان  1.54£dc/h£16.15مورد آزمایش قرار گرفتند. شبیه سازی جریان دو حالتی آب و هوا برای هر یک از پیکربندیها و تمامی محدوده بده ها صورت پذیرفت و نتایج در زمینه های الگوی جریان، استهلاک کارمایه و نقطه شروع هوادهی جریان مورد مقایسه قرار گرفتند. نتایج نشان از تفاوت حداقلی استهلاک کارمایه در محدوده رژیم جریان ریزشی و تفاوت حداکثری در رژیم لغزشی را داشتند.

روندیابی سیلاب به دلیل فراهم نمودن امکان پیش بینی چگونگی طغیان و فروکش کردن آن در رودخانه، یکی از مهمترین مسائل در مهندسی رودخانه است. از آن جا که سیلاب جریانی متغیر غیردایمی است، لذا روندیابی آن نیاز به داده های گسترده از رود ها و آمار دقیقی از ایستگاه های آبسنجی دارد. روش ماسکینگام، به دلیل سادگی آن، دارای کاربرد بیش تری در میان روش های روندیابی سیلاب می باشد. از طرفی، استفاده از روش های هوش مصنوعی در زمینه های مختلف مهندسی آب و شبیه سازی در حوضه های آبخیز طی دهه اخیر رشد چشمگیری داشته است. در این پژوهش، برای روندیابی سیلاب با استفاده از روش های ماسکینگام، شبکه عصبی مصنوعی، سامانه استنتاج تطبیقی عصبی - فازی، و برنامه ریزی ژنتیک از داده های ویلسون، ویو و همکاران، و ویس من و لویس در سه رود مختلف استفاده گردید. نتایج شبیه سازی روندیابی سیلاب با کاربرد روش های ذکر شده با استفاده از شاخص های آماری R2، RMSE و MBE ارزیابی گردیدند. نتایج این تحقیق نشان دادند که روش های هوش مصنوعی، به دلیل برخورداری از RMSE کمتر نسبت به روش ماسکینگام، برتری دارند، که این مقدار برای روش های هوش مصنوعی 0.00174، و برای روش ماسکینگام 28.727 به دست آمد، بنابراین، روش ماسکینگام در شبیه سازی آب نگار سیلاب با بده اوج پرشمار موفق نبوده است. با وجود اندک تفاوت در دقت تخمین و مقادیر خطا در شبیه ها، شبکه های عصبی مصنوعی با مقادیر R2، RMSE و MBE مناسبتر در رده اول، و سامانه استنتاج تطبیقی عصبی- فازی و برنامه ریزی ژنتیک به ترتیب در رده های دوم و سوم قرار می گیرند. با توجه به سهولت کاربرد و نتایج خوب روش های هوش مصنوعی، پیشنهاد می شود تحقیقات بیش تری در این زمینه صورت پذیرد.