خشک­سالی یکی از مهم­ترین حوادث طبیعی تأثیر­گذار بر بخش کشاورزی و منابع آب می­باشد. پیش­­بینی آن نقش مهمی در برنامه­ریزی و مدیریت منابع آب دارد. در تحقیق حاضر، ﺑﺎ اﺳﺘﻔﺎده از داده­های سه ایستگاه سینوپتیک ارومیه، تبریز و اردبیلواقعدرشمال­غرب کشور طی دوره زمانی (2017-1978) به پیش­­بینی ﺧشک­سالی پرداخته شده است. برای این منظور، ابتدا ﺷﺎﺧﺺ بارندگی استاندارد (SPI) در مقیاس زمانی شش­ ماهه محاسبه گردید. سپس با استفاده از روش­های تلفیقی CEEMD-GPR و GPR-GARCH، خشک­سالی سه ایستگاه مزبور پیش­بینی شد. برای بررسی کارایی روش­های تلفیقی، مدل­های متفاوتی با در نظر گرفتن شاخص SPIدوره­های قبل و عناصر اقلیمی به­عنوان پارامترهای وروردی تعریف شد و نرخ تأثیر هر یک از این پارامترها مورد بررسی قرار گرفت. با توجه به نتایج محاسبه شاخص خشک­سالی SPI مشخص شد که سطوح مختلف خشک­سالی طی سال­های 1985-1983، 1991-1988، 2001-1995، 2010-2005، 2013-2011 و 2017 در طول دوره آماری در سه منطقه رخ داده است. نتایج حاصل از تحلیل مدل­های تعریف شده براساس شاخص SPIدوره­های قبل و عناصر اقلیمی، دقت بالای روش­های­ تلفیقی به­کار­رفته در تحقیق حاضر را در تخمین شاخص خشک­سالی به خوبی نشان داد. به­طوری­که در تمامی ایستگاه­ها، درصد خطا با استفاده از روش­های تلفیقی CEEMD-GPRو GPR-GARCHنسبت به روش GPR تقریبا به میزان 25 تا 40 درصد کاهش یافت. ملاحظه گردید که در پیش­بینی خشک­سالی، عناصر اقلیمی شامل میانگین دما و رطوبت نسبی ماهانه و هم­چنین شاخص SPI­ مربوط به ماه­های گذشته تأثیر­گذار می­باشند. نتایج تحلیل حساسیت نشان داد که SPIt-1تاثیرگذارترین پارامتر در مدل­سازی است.

از جمله پارامترهای مهم در ارزیابی وضعیت روسازی آسفالتی راه ها، بررسی شرایط زهکشی لایه های اساس و زیراساس است. تکنیک غیرمخرب رادار نفوذی زمین (GPR) می تواند به عنوان ابزاری کاربردی در این راستا مورد استفاده قرار گیرد. در این پژوهش، ارتباط میان داده های به دست آمده از تصاویر ثبت شده توسط دستگاه GPR و درصد رطوبت سیستم روسازی آسفالتی مورد بررسی قرار گرفته است. تعداد 18 نمونه استوانه ای با قطر و ارتفاع 80 سانتی متر و متشکل از لایه های آسفالت، اساس، زیراساس، بستر متراکم و بستر طبیعی در سه درصد رطوبت مختلف تهیه و متراکم شدند. سپس، برداشت تصاویر از نمونه ها با کمک یک دستگاه GPR با آنتن 250 مگاهرتز صورت گرفته و تصاویر ثبت شده در نرم افزار Labview مورد تحلیل و پردازش آماری قرار گرفته اند. بررسی پارامترهای آماری به دست آمده از تصاویر نشان داد که توزیع پارامتر کشیدگی، علاوه بر برخورداری از توزیعی مشابه توزیع نرمال، روند تغییرات منظم و قابل تفسیری با درصد رطوبت داراست. بر این اساس، با برازش یک منحنی خطی میان پارامتر کشیدگی و درصد رطوبت رابطه ای به دست آمده است که به کمک آن می توان درصد رطوبت لایه های روسازی را با دقت مناسبی بر اساس خروجی آزمایش GPR تخمین زد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

پاک سازی میادین مین و مناطق آلوده به مواد منفجره عمل نکرده یکی از مسائلی است که در کشورهای جنگ زده و از جمله کشور ما، با وجود گذشت ده ها سال از زمان جنگ، نیازمند توجه جدی است. روش های مختلف ژئوفیزیکی از جمله روش GPR نقش بسیار مهمی در آشکارسازی محل این آثار مخرب باقیمانده از جنگ دارند. روش GPR هوابرد به دلیل قابلیت ها و برتری های خاصی که نسبت به روش برداشت زمینی دارد، توجه ویژه متخصصان امر را به استفاده از آن در آشکارسازی UXO معطوف داشته است. در این تحقیق به منظور امکان سنجی کاربرد روش GPR هوابرد در آشکارسازی UXO، به شبیه سازی عددی و تجزیه و تحلیل سیگنال های برگشتی از یک مین فلزی ضد نفر مدفون در عمق 10 سانتیمتری خاک با استفاده از این روش پرداخته شده است. برای این منظور دو مدل مصنوعی، شامل یک لایه هوا و یک لایه خاک، طراحی شده است که در یکی از آن ها مدل عاری از مین (Model A) و دیگری مدل حاوی یک مین فلزی ضد نفر مدفون در عمق 10 سانتی متری خاک و در موقعیت x=0. 25m (Model B) در مرکز مدل، می باشند. در ادامه ردها و نگاشت های راداری در ارتفاع های پرواز (0 تا 10 متر) و در بازه فرکانسی 100 تا 1500 مگاهرتز و منطبق با مرکز دو مدل فوق الذکر، در مجموع تعداد 638 حالت مختلف، با استفاده از روش تفاضل محدود در حوزه زمان (FDTD) شبیه سازی شده-اند. تجزیه و تحلیل داده ها شامل بررسی انرژی سیگنال، تبدیل موجک برای انتقال داده ها به حوزه فرکانس و حذف نوفه و در نهایت انتقال داده ها به حوزه زمان-فرکانس در محیط نرم افزار MATLAB انجام پذیرفته است. با توجه به نتایج هر سه روش پردازش سیگنال مورد استفاده، قابلیت آشکارسازی مین با روش GPR هوابرد تا حداکثر ارتفاع پرواز 10 متر و در بازه فرکانسی 550 تا 1500 مگاهرتز تأیید شد.

در این پژوهش از روش اجزاء محدود (FEM) به منظور مدل سازی امواج الکترومغناطیس استفاده شده است. با توجه به قابلیت های این روش، ابتدا معادلات ماکسول در حیطه مکان گسسته سازی می شوند، سپس شرایط مرزی به منظور جذب امواج در کرانه های مدل اعمال می شود که از روش مرز جاذب مرتبه اول کلایتون و انگکوئیست استفاده شده است. در روش FEM عبارت مرز یک جمله جداگانه می باشد، به همین دلیل اعمال شرایط مرزی در این روش بسیار آسان تر از روش تفاضل محدود (FDM) است. پس از گسسته سازی مکانی با استفاده از روش FEM، گسسته سازی زمانی معادلات با استفاده از روش تفاضل محدود مرکزی صورت می گیرد. گسسته سازی زمانی معادلات، حجیم ترین و زمان برترین بخش محاسبات در مدل سازی هستند که نحوه گسسته سازی مکانی نقش بسزایی در این فرآیند ایفا می کند. با توجه به تُنُک بودن و متقارن بودن ماتریس های تشکیل شده در روش FEM، درصورتی که از الگوریتم های بهینه به منظور محاسبات و ذخیره سازی ماتریس ها در این روش استفاده شود، زمان و هزینه محاسباتی به طور قابل ملاحظه ای کاهش خواهد یافت که در این تحقیق چند تکنیک به منظور کاهش حجم و زمان محاسبات در نرم افزار متلب ارائه شده است. فرمول ها و روابط ارائه شده در این تحقیق به شکل ماتریسی هستند که به راحتی در نرم افزار متلب قابل کد نویسی می باشند. به منظور بررسی روش FEM در مدل سازی داده های GPR، الگوریتم های توسعه داده شده بر روی مدل های زمین شناسی فرضی آزمایش شده است که نتایج حاصل از مدل سازی دارای دقت قابل قبولی هستند.

مقدمه: خشک سالی یکی از مخاطرات طبیعی است که به دلیل متأثر بودن از پارامترهای مختلف اقلیمی دارای رفتاری تصادفی و غیرخطی است. شاخص SPI به عنوان مرسوم ترین شاخص مستخرج شده از بارندگی می باشد که در مدل سازی خشک سالی مورداستفاده محققین مختلف قرارگرفته است. استفاده از روشهای هوش محاسباتی جهت مدل­سازی خشک­سالی در سالهای اخیر بسیار مورد توجه محققین حوزه منابع آب بوده است. روش­: در این تحقیق از الگوریتم های SVR و GPR به صورت منفرد و همچنین تلفیق این الگوریتم­ها با فن موجک به مدل­سازی و پیش­بینی شاخص SPI پرداخته شده است و هدف بررسی میزان بهبود نتایج الگوریتم­های هوش محاسباتی در تلفیق با موجک بوده است. در این تحقیق از اطلاعات سری زمانی 10 ایستگاه سینوپتیک ایران در بازه زمانی 1961 تا 2017 به صورت ماهانه جهت مدل­سازی خشک­سالی به عنوان ورودی الگوریتم­های مورد مطالعه استفاده شده است. یافته­ ها: نتایج این پژوهش نشان داد که استفاده از روش موجک در تلفیق با الگوریتم­های هوش محاسباتی SVR و GPR سبب بهبود نتایج در تمامی مقیاس­های زمانی گردید. همچنین میزان بهبود مدل سازی ناشی از استفاده از موجک در تلفیق با مدل SVR با میانگین تفاضل RMSE برابر با 1540/0-و تفاضل R2 برابر 1491/0 و در مدل GPR با میانگین تفاضل RMSE برابر با 1554/0-و تفاضل R2 برابر 1530/0 نسبت به مدل های منفرد SVR و GPR نشان داد که مدل GPR در حالت کلی (همه مقیاس های زمانی و تمامی ایستگاه ها) بهبود بهتری در مدل هیبریدی نسبت به مدل منفرد داشته است.

پیش بینی صحیح دبی روزانه ی رودخانه، ابزاری مناسب جهت برنامه ریزی و مدیریت منابع آب سطحی می باشد. از این رو در این مقاله با بهره گیری از مدل های رگرسیون فرآیند گاوسی (GPR)، ماشین یادگیری قدرتمند (ELM) و روش ترکیبی تجزیه ی مد تجربی یکپارچه ی کامل، دبی بین ایستگاهی رودخانه ی آرکانزاس واقع در ایالت متحده آمریکا مورد بررسی قرار گرفت. بدین منظور ابتدا دبی روزانه و ماهانه با استفاده از روش رگرسیون فرآیند گاوسی و ماشین یادگیری قدرتمند پیش بینی شد. سپس سری زمانی اصلی توسط روش تجزیه ی مد تجربی یکپارچه ی کامل به زیرسری های توابع مد ذاتی (IMFs) و باقیمانده (Residual) تجزیه گردید؛ در ادامه این زیرسری های تجزیه شده، ورودی مدل های گاوسی و ماشین یادگیری قدرتمند را تشکیل دادند تا مدل های ترکیبی طراحی گردند. برای ارزیابی کارآیی مدل ها از معیارهای همبستگی خطی (DC)، ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (R) و میانگین درصد خطای مطلق (MAPE) استفاده شد. نتایج نشان داد که استفاده از روش CEEMD باعث بهبود عملکرد مدل های مورد استفاده شده است. به طوری که مقادیر خطای مطلق (MAPE) مربوط به مدل GPR با پیش پردازش CEEMD در پیش بینی جریان ایستگاه های اول، دوم و سوم نسبت به مدل GPR بدون پیش پردازش به ترتیب 34، 27 و 32 درصد کاهش داشته است. همچنین تأثیر هر یک از زیرسری های تجزیه ی مد تجربی یکپارچه کامل در پیش بینی دبی مورد ارزیابی قرار گرفت. مشاهده گردید که زیرسری باقیمانده ناکارآمدترین زیرسری است. مدل ترکیبی CEEMD-ELM در مدیریت حوضه های آبخیز و کنترل سیل کشور ایران می تواند استفاده شود.

آب های زیرسطحی، حفرات و ساختارهای مجزای دفن شده در ژرفاهای کم، به دلیل تفاوت آشکار در ویژگی های الکتریکی و الکترومغناطیسی با محیط دربرگیرنده خود، به خوبی توسط روش های مقاومت ویژه و GPR قابل آشکارسازی هستند. در این پژوهش، با در نظر گرفتن 3 پروفیل با شرایط متفاوت بر روی این گونه اهداف، به بررسی پاسخ آنها پرداخته شده است. افزون بر این که استفاده از این روش ها در کنار هم، بررسی قابلیت ها و محدودیت های روش های یاد شده را ممکن ساخته است. نتایج حاصل از این پژوهش نشان می دهد که روش GPR افزون بر سرعت و آسانی در برداشت داده ها، در آشکارسازی مرزهایی که ویژگی های الکترومغناطیسی در میان دو محیط به صورت ناگهانی تغییر می کند، بسیار موفق است. برداشت های مقاومت ویژه در این پژوهش که به روش نیمرخ زنی با استفاده از آرایش ونر صورت گرفته است، نشان از مقاومت ویژه پایین محیط های بررسی شده دارد. این امر، سبب ژرفای نفوذ کم روش GPR شده و بررسی اهداف دفن شده در ژرفاهای بیش از 2 متر به وسیله این روش را غیرممکن کرده است. برخلاف روش GPR، روش مقاومت ویژه در آشکارسازی اهداف چندگانه با تفاوت شدید مقاومت ویژه در کنار هم، موفقیت چندانی حاصل نکرده است. این مطلب ناشی از قدرت جدایش پایین تر روش مقاومت ویژه در مقایسه با روش GPR است. در این پژوهش، با انتخاب دو الگوریتم متفاوت پردازش و اعمال آنها بر روی یک سری از داده های اولیه GPR، اطلاعات قابل توجهی به دست آمده است. اطلاعات به دست آمده از مقاومت ویژه ساختارهای زیرسطحی با استفاده از برداشت های مقاومت ویژه، انتخاب صحیح الگوریتم های پردازش یاد شده را ممکن ساخته است. این پژوهش به خوبی نشان می دهد که مناطق با رسانندگی الکتریکی بالا در مقاطع مقاومت ویژه، منطبق بر مناطق با اتلاف (تضعیف) بالای امواج در مقاطع GPR هستند. از این ویژگی می توان به خوبی در تفسیر داده های GPR بهره برد و روش مقاومت ویژه را مکملی مناسب برای روش GPR عنوان کرد.

روش ژیوفیزیکی رادار نفوذی به زمین (GPR) یک روش سنجش غیرمخرب است که قادر به آشکارسازی و تصویرکردن انواع ساختارهای دست ساز بشر، ناهمگنی های زیرسطحی به دلیل وجود اجسام مدفون در زیر زمین، مشخص کردن فضاهای خالی در محیط ها و اهداف مدفون در اعماق کم است. در پژوهش حاضر بررسی توانایی به کارگیری روش GPR به منظور آشکارسازی و تعیین موقعیت قبرهای نامشخص و اجساد مدفون، در مقاصد باستان شناسی و نظایر آن مورد بررسی قرارگرفته است. برای این منظور شبیه سازی و مدل سازی پیشرو داده های GPR به روش اختلاف محدود دوبعدی بهبودیافته در حوزه فرکانس، برای مدل های مصنوعی متناظر با قبرهای خالی، استخوان بخش هایی از اعضای بدن انسان و نیز تابوت های با جنس های مختلف (فلزی و چوبی) صورت گرفته است. همچنین با هدف بررسی های زیرسطحی در یک قبرستان قدیمی، داده های واقعی GPR با استفاده از یک سامانه GPR مجهز به آنتن های پوشش دار با فرکانس مرکزی MHz 800 (مگاهرتز)، برداشت شده است. نگاشت راداری نهایی منطبق بر یکی از پروفیل های برداشت شده در این منطقه، با اعمال توالی پردازشی مختلف شامل تصحیح استاتیک (ساکن)، بردارنده واو (دی واو)، اعمال فیلتر میان گذر، بردارنده زمینه و برانبارش بر روی داده های خام، با استفاده از نرم افزار Reflexw نیز آورده شده است. نتایج این پژوهش بر اساس پاسخ GPR مدل های مصنوعی مختلف تولیدشده و نگاشت راداری داده های واقعی GPR، قابلیت کاربرد این روش را در زمینه بررسی های باستان شناسی به منظور آشکارسازی و تعیین موقعیت قبرهای پنهان، تابوت ها و جسد انسان با صرف هزینه کم در مدت زمان کوتاه بدون دست کاری و تخریب محیط نشان می دهد.