هیدروژئومورفولوژی
احمد گودرزی؛ حجت اله یونسی؛ بابک شاهی نژاد؛ حسن ترابی
چکیده
اندازه‌گیری بار رسوبی در رودخانه‌ها معمولاً به اندازه‌گیری بار معلق محدود می‌شود؛ در نتیجه بهینه کردن منابع و کمینه کردن خسارت‌های ناشی از جریان در رودخانه‌ها از اهمیت بالایی برخوردار است. این تحقیق با هدف شبیهسازی سه بعدی جریان رودخانه کشکان در فصل بهار 1398 با استفاده از نرم‌افزار Mike3D.2018 انجام گرفت. برای این منظور با توجه به ...
بیشتر
اندازه‌گیری بار رسوبی در رودخانه‌ها معمولاً به اندازه‌گیری بار معلق محدود می‌شود؛ در نتیجه بهینه کردن منابع و کمینه کردن خسارت‌های ناشی از جریان در رودخانه‌ها از اهمیت بالایی برخوردار است. این تحقیق با هدف شبیهسازی سه بعدی جریان رودخانه کشکان در فصل بهار 1398 با استفاده از نرم‌افزار Mike3D.2018 انجام گرفت. برای این منظور با توجه به تهیه رقوم ارتفاعی (حاصل از نقشه‌برداری) از بستر و سیلاب‌دشت رودخانه مورد مطالعه به طول 1200 متر با مقیاس 1:1000 جهت انجام مدل‌سازی عددی به نرم‌افزار HEC-RAS5.0.7 معرفی و وارد است. از داده‌های ایستگاه هیدرومتری کشکان-پلدختر برای برآورد سیلاب، رسوب معلق و رسوب انتقالی طی دوره‌های بازگشت 25، 200، 1000 و 1250 سال مورد استفاده قرار گرفت. نتایج مدل نشان داد که سیلاب در مقاطع عرضی مختلف 1200 و 1100 به بیشترین میزان و در مقاطع عرضی 50 و 350 در کمترین میزان بوده است. رسوب کل با استفاده از رابطه یانگ 45/207 میلیون تن در روز و بار معلق را با خطای 87/11+ درصد شبیهسازی نموده و از مقایسه مقادیر با مقادیر مشاهداتی مشاهده شد که شبیهسازی در ایستگاه هیدرومتری کشکان پلدختر عملکرد بهتری نشان داد. همچنین نتایج نشان داد که حجم رسوبات معلق انتقالی در فروردین ماه (31/5132779) نسبت به سایر ماه‌های دی (55/9890)، بهمن (73/41083)، اسفند(75/149629) و اردیبهشت (15/112617) زیادتر بوده و همچنین میزان رسوب در این ماه نسبت به متوسط رسوبات انتقالی در رودخانه کشکان حجم بسیار بالایی را داشته است.
ژئومورفولوژی
حجت اله یونسی؛ احمد گودرزی؛ مسعود شاکرمی
چکیده
امروزه مدلهای هیبریدی هوش مصنوعی به عنوان یک روش مناسب برای شبیهسازی پدیدههای هیدرولوژیکی از جمله برآورد کمی جریان رودخانه‌ها مطرح است. بدین منظور جهت برآورد میزان آبدهی رودخانه‌ها رویکردهای متنوعی در هیدرولوژی وجود دارد که مدلهای هوش مصنوعی از مهم‌ترین آن‌ها می‌باشد. بنابراین در این پژوهش عملکرد مدلهای رگرسیون ...
بیشتر
امروزه مدلهای هیبریدی هوش مصنوعی به عنوان یک روش مناسب برای شبیهسازی پدیدههای هیدرولوژیکی از جمله برآورد کمی جریان رودخانه‌ها مطرح است. بدین منظور جهت برآورد میزان آبدهی رودخانه‌ها رویکردهای متنوعی در هیدرولوژی وجود دارد که مدلهای هوش مصنوعی از مهم‌ترین آن‌ها می‌باشد. بنابراین در این پژوهش عملکرد مدلهای رگرسیون بردار پشتیبان_ موجک، رگرسیون بردار پشتیبان_گرگ خاکستری و رگرسیون بردار پشتیبان_خفاش جهت شبیهسازی دبی رودخانه کشکان واقع در استان لرستان طی دورهی آماری 1399-1389 در مقیاس زمانی روزانهی مورد تجزیه و تحلیل قرار گرفت. معیارهای ضریب همبستگی، ریشهی میانگین مربعات خطا و میانگین قدر مطلق خطا و بایاس برای ارزیابی و عملکرد مدلها انتخاب شد. نتایج نشان داد الگوهای ترکیبی نتایج قابل قبولی در شبیهسازی دبی رودخانه دارند. مقایسهی مدلها نیز نشان داد مدل رگرسیون بردار پشتیبان-موجک در مرحلهی صحتسنجی مقادیر 960/0R2=، 045/0RMSE=، 024/0MAE =، 968/0NS= و001/0BIAS= در پیشبینی جریان روزانهی رودخانه از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی رگرسیون بردار پشتیبان-موجک میتواند در زمینهی پیشبینی دبی روزانه مفید باشد.
حجت اله یونسی؛ احمد گودرزی؛ بهزاد جوادی
چکیده
در این پژوهش سعی شده با تلفیق سیستم اطلاعات جغرافیایی و سیستم‌های تصمیم‌گیری چندمعیاره (MCDM)، مناطق با درجات مختلف ریسک سیلاب جهت استقرار پایدار جمعیت در سطح هر یک از شهرستان‌های استان خراسان رضوی شناسایی شوند. بدین منظور، ابتدا داده‌های 6 پارامتر موثر شامل حداکثر دبی با دوره بازگشت‌های 2، 3، 5، 10، 25، 50، 100 و 200 ساله حاصل از خروجی نرم‌افزار ...
بیشتر
در این پژوهش سعی شده با تلفیق سیستم اطلاعات جغرافیایی و سیستم‌های تصمیم‌گیری چندمعیاره (MCDM)، مناطق با درجات مختلف ریسک سیلاب جهت استقرار پایدار جمعیت در سطح هر یک از شهرستان‌های استان خراسان رضوی شناسایی شوند. بدین منظور، ابتدا داده‌های 6 پارامتر موثر شامل حداکثر دبی با دوره بازگشت‌های 2، 3، 5، 10، 25، 50، 100 و 200 ساله حاصل از خروجی نرم‌افزار HEC-HMS، تراکم زهکشی، کاربری اراضی و پوشش گیاهی، CN، شیب و نفوذپذیری منطقه مورد مطالعه، در محیط نرم‌افزار GIS آماده سازی گردید. سپس با استفاده از روش ANP و مقایسه زوجی به ترتیب وزن هر معیار و وزن کلاس‌های هر لایه در نرم‌افزار Super Decision محاسبه شد. سپس با استفاده از توابع تحلیل نرم‌افزار GIS، کل محدوده برای هر یک از معیارهای تعیین شده پهنه‌بندی شد .در نهایت، با تلفیق نقشه‌های پهنه‌بندی شده براساس وزن از روش ANP نقشه نهایی در پنج کلاس سیلخیزی خیلی کم تا سیلخیزی خیلی زیاد تهیه شد. نتایج نشان داد مساحت شهر‌هایی که در معرض سیلخیزی با درجه خیلی زیاد هستند همچنین نتایج پهنه‌بندی ریسک سیلاب با دوره بازگشت 2 ساله در سطح کل استان نشان داد که بیش از 86 درصد مناطق دارای سیلخیزی کم و خیلی‌کم، 2/12 درصد مناطق متوسط و 8/1 درصد نیز از لحاظ سیلخیزی در درجه زیاد می‌باشد. در حالیکه نتایج پهنه‌سیلابی در دوره بازگشت 200 ساله نشان داد که 3/41 درصد سیلخیزی کم، 4/31 درصد سیلخیزی متوسط، 3/13 درصد سیلخیزی زیاد و 1/14 درصد سیلخیزی خیلی‌زیاد را در سطح کل استان شامل می‌شود.
