پژوهش آب ایران

چکیده نیاز روزافزون منابع آب برای اهداف مختلف همچون کشاورزی، شرب و صنعت، دستیابی به آب دردسترس و قابل استفاده را با مشکلات و محدودیت‌های فراوانی مواجه کرده است. در چنین شرایطی، برای تأمین منابع آب جدید، طرح‌های انتقال آب بین حوضه‌ای به بخشی از سیاست‌های مدیریتی در کشور تبدیل می‌شود. در این طرح‌ها، بعضی ظرفیت‌های حوضة مبدأ و مقصد به‌درستی ارزیابی نمی‌شود و با وجود روش‌های متنوع تصمیم‌گیری چندمعیاره، که با در نظر گرفتن کلیة معیارهای مؤثر در تصمیم‌گیری به تعیین گزینة برتر اقدام می‌کند، هنوز از این روش‌ها به‌ شیوة مناسب در پروژه‌های اجرایی و زیربنایی ملی همچون انتقال آب بین حوضه‌ای استفاده نشده‌ است. روش سیستم استنتاج فازی، یکی از پرکاربردترین روش‌های تصمیم‌گیری چندمعیاره است. در این پژوهش، طرح انتقال آب بین حوضه‌ای بهشت‌آباد در استان چهارمحال و بختیاری با روش‌های سلسله‌مراتبی و سیستم استنتاج فازی بررسی شد؛ بنابراین، برای ارزیابی گزینة مناسب برای انتقال آب بین حوضه‌ای بهشت‌آباد، 14 معیار کمّی و کیفی بررسی شد. مقایسات زوجی براساس نظر خبرگان و متخصصان با روش تحلیل سلسله‌مراتبی انجام شد که از روش‌های تصمیم‌گیری چندمعیاره است؛ سپس، 14 معیار مدنظر، رتبه‌بندی و گزینة برتر برای انتقال آب براساس روش سیستم استنتاج فازی انتخاب شد. نتایج نشان داد گزینة دوم به سایر گزینه‌ها برتری دارد و معیار هزینه جاری و هزینه سرمایه، مهم‌ترین معیار بود و معیار مشکلات زمین‌شناسی مخزن به‌عنوان کم‌اهمیت‌ترین معیار معرفی شد. گزینة دوم با سطح اطمینان 86.9 درصد براساس تصمیم‌گیری به روش فازی، مطلوب است. سطح اطمینان گزینة ششم، برابر 38.9 درصد و گزینة هفتم، برابر 23.39 درصد براساس روش فازی تعیین شد. گزینة هفت، کمترین اولویت طرح انتقال آب بهشت‌آباد انتخاب شد؛ زیرا ازنظر بسیاری معیارها، ارزش عددی کمی دارد.

چکیده تغییرات سطح آب‌زیرزمینی، یکی از مهم‌ترین متغیرها در مدیریت آبخوان‌هاست که پیش‌بینی دقیق این متغیر می‌تواند در ارائه راهکارهای مدیریتی برای حفظ این مخازن آب شیرین استراتژیک به‌خصوص در مناطق خشک و نیمه‌خشک، مانند حوضة دریاچه ارومیه راهگشا باشد. با وجود توانایی بالای مدل‌های هوش مصنوعی (AI) در پیش‌بینی سطح آب‌زیرزمینی به‌دلیل ناهمگنی و ناهمسانی محیط‌های هیدروژئولوژیکی، گه‌گاه از کارایی پایینی برخوردارند؛ از این‌رو، استفاده از روش هوشمند نگاشت خود سازمان‌ده (SOM) برای خوشه‌بندی چاه‌های مشاهده‌ای و ترکیب آن با مدل‌های مختلف هوش مصنوعی می‌تواند باعث بهبود نتایج حاصل از مدل‌سازی شد. در این پژوهش، روش‌های مختلف SOM-AI، شامل ماشین ‌بردار پشتیبان (SOM-SVM) و مدل فازی ساگنو (SOM-SFL) برای پیش‌بینی تغییرات سطح آب‌زیرزمینی به‌کار گرفته شدند. بدین‌ترتیب، چاه‌های مشاهده‌ای (OW) در سه گروه G1، G2 وG3 دسته‌بندی و برای هر گروه از چاه‌های مشاهده‌ای مدل‌سازی سطح آب زیرزمینی اجرا شد. ارزیابی نتایج با استفاده از معیارهای RMSE، r2 و NSE نشان داد که حداقل در سه چاه مشاهده‌ای OW2، OW6 و OW9، مدل ترکیبی SOM-SFL عملکرد بهتری نسبت به بقیه داشت. در بقیة چاه‌های مشاهده‌ای مدل ترکیبی SOM-LSSVM برتری نسبی داشت.

چکیده یکی از شاخص‌های مهم در بررسی وضعیت کیفیت آب‌های زیرزمینی،‏ هدایت الکتریکی است افزایش هدایت الکتریکی موجب کاهش کیفیت آب شرب و خسارت‌های جبران‌ناپذیر بر روی خاک و کیفیت محصولات کشاورزی می‌شود. آسیب‌پذیری تمایل یا احتمال رسیدن آلاینده‌ها به یک مکان مشخص در آبخوان بعد از تولید در سطح زمین است. ارزیابی آسیب‌پذیری به عنوان ابزاری مناسب در تصمیم‌های مدیریتی اهمیت دارد. در این پژوهش از میان مدل‌های رایج در ارزیابی آسیب‌پذیری،‏ مدل DRASTIC با توجه به ترکیب شاخص‌های تأثیر‌گذار هیدرولوژیکی و هیدروژئولوژیکی بر انتقال و یا عدم انتقال آلودگی استفاده شد. عامل شوری یکی از عوامل مهم و تأثیرگذار بر روی کیفیت آب تحت عنوان شاخص آلایندگی وزن و رتبه‌دهی شده و به عنوان یکی از لایه‌های لازم در تهیه نقشه شاخص دراستیک اصلاح شده استفاده شد. با توجه به عدم دقت روش‌های شاخص- همپوشانی (منطق بولین) و مشکلات مربوط به مقادیر نزدیک مرز دسته‌بندی‌ها از منطق فازی به دلیل داشتن سیستم رتبه‌بندی منطقی و واقع‌بینانه‌تر برای تصحیح رتبه‌بندی پارامترهای کمی مدل DRASTIC اصلاحی و پارامتر EC استفاده شد. نتایج حاصل از شبیه‌سازی مدل دراستیک با استفاده از شبکه عصبی مصنوعی نشان دهنده همبستگی بالای خروجی شبکه عصبی مصنوعی و شاخص DRASTIC اصلاح شده است

چکیده استفاده از فناوری‌های بهینه‌سازی در عملکرد مخزن یک ایده جدید نیست و تاکنون فنون گوناگونی برای بهبود ظرفیت بهره‌وری عملکرد مخزن بکار گرفته شده‌اند. قاعده کلی در این روش‌های بهینه‌سازی،‏ تعیین مقادیر متغیرهای تصمیم برای حداقل یا حداکثر کردن تابع هدف است که یک سری محدودیت دارد. به عنوان هدف اصلی؛ در این مقاله،‏ با ترکیب الگوریتم ژنتیک و منطق فازی،‏ هیدروگراف خروجی بهینه،‏ بر اساس هیدروگراف ورودی به مخزن سد کارون 3 تعیین شده است. بدین طریق که،‏ از الگوریتم ژنتیک برای یافتن پارامترهای بهینه در روش سوگنو منطق فازی استفاده شده است. تابع هدف در این مسأله به صورت مجموعه ای از اهداف مختلف کنترل سیل مانند؛ حداقل کردن پیک خروجی،‏ حداقل سازی خرابی پایین دست،‏ ذخیره سیلاب‌ها،‏ و نگهداری سطح نهایی آب نزدیک به ذخیره مطلوب برای رفع نیاز آبی در آینده،‏ و نظایر آن منظور شده است. مثلاً پیک سیلاب خروجی برآورد شده در این روش نسبت به نتایج دو تحقیق قبلی به میزان 13.7 و 8 درصد کاهش داشته و برابر 12600 مترمکعب بر ثانیه تخمین زده شده است. همچنین مقایسه اعداد بیانگر آن است که حداکثر بالاآمدگی سطح آب نسبت به دو تحقیق دیگر در حدود یک متر کمتر است. علاوه بر این،‏ حداکثر تغییرات دبی خروجی درمقایسه با تحقیقات قبلی به ترتیب حدود 66 و 65 درصد کاهش یافته است....

چکیده پیش‌بینی آبدهی رودخانه و مقدار جریان خروجی از حوضه از مهم‌ترین موضوعات در برنامه‌ریزی و استفاده بهینه از منابع آب یک حوضه است. در مناطق سردسیر دما ممکن است بر آبدهی رودخانه موثر باشد. در این پژوهش برای پیش‌بینی دبی روزانه رودخانه لیقوان که در یک منطقه سردسیر واقع شده‌است،‏ از مدل‌های مبتنی بر منطق فازی استفاده شده است بدین منظور از سه پارامتر بارندگی،‏ دما و دبی روزانه این رودخانه استفاده شد. ارزیابی نتایج پیش‌بینی‌ها با استفاده از معیارهای سنجش خطا،‏ از جمله معیار ناش- ساتکلیف نشان داد که مدل ANFIS با دقت بالاتر (0.998‎=CNS) و پراکندگی کمتری نسبت به مدل FIS (0.993=CNS) دبی این رودخانه را پیش‌بینی کرده‌است. همچنین با مقایسه بخش‌های مختلف مشخص شد که دما در ماه‌های آذر و فروردین برای مدل FIS،‏ بر فرآیند پیش‌بینی مؤثر است و باعث افزایش دقت پیش‌بینی آبدهی می شود. علت این موضوع را می‌توان تأثیرپذیری نوع بارش از دمای هوا در ماه‌های آذر و فروردین در این منطقه دانست.