انجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Prefaceپیشگفتار0116012FAرضاکراچیان0000-0001-9179-1431Journal Article20160712https://www.iwrr.ir/article_16012_82cbf6c40bb43fb0df95defe85f4e938.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Development of Artificial Intelligence Committee Machine for Transmissivity Estimation, Case study:Tasuj Plainتوسعه مدل‌های هوش مصنوعی مرکب در برآورد قابلیت انتقال آبخوان، مطالعه موردی: دشت تسوج11416699FAعطااللهندیریدانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز، تبریز، ایراناصغراصغری مقدماستاد /دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران.هیرادعبقریاستادیار /دانشکده منابع طبیعی دانشگاه ارومیه، ارومیه، ایران.الهامفیجانیدانشجوی دکتری/ هیدروژئولوژی، دانشگاه تبریز، تبریز، ایرانJournal Article20120528Hydrogeological parameters like transmissivity are among the important and money-consuming input parameters of ground water modeling. Fuzzy logic, Artificial Neural Networks, and Neurofuzzy has high capability in hydrogeological parameter estimation.In this research combination of these models applied to transmissivity estimation of Tasuj aquifer. Tasuj plain aquifer is one of the marginal plains of Lake Urmia which suffered more ground water declination in last decades and needs qualitative and quantitative management. To overcome the complexity of hydrogeologic systems, Hybrid Artificial Intelligence Modelis then presented as a committee machine. Based on the outputs, weights of each models optimized using particle swarm optimization which caused to form committee machine. Related geophysical and hydrogeological variables to transmissivity such as transverse resistivity (R<sub>t</sub>), electric conductivity (EC), alluvium thickness (B), and geographic location were among inputs to this study. The obtained results from presented committee machine showed higher efficiency compared to the Fuzzy logic, Artificial Neural Network, and Neurofuzzy models, individually.پارامترهای هیدروژئولوژیکی از جمله قابلیت انتقال یکی از مهمترین پارامترهای ورودی در مدل‌سازی آبهای زیرزمینی است که عموماً تعیین آن برای نقاط مختلف آبخوان با هزینه‌های فراوانی انجام می‌گیرد. آبخوان دشت تسوج یکی از آبخوانهای حاشیه دریاچه ارومیه می‌باشد که در دهه اخیر با افت سطح آب زیرزمینی مواجه شده و نیازمند مدیریت کمی و کیفی است. بنابراین، در این تحقیق به عنوان مرحله اول، از مدل‌های منطق فازی، شبکه عصبی مصنوعی و نوروفازی برای برآورد قابلیت انتقال استفاده شد. سپس با توجه به پیچیدگی سیستم‌های هیدروژئولوژیکی، در این مطالعه روش ترکیبی از مدل‌های هوش مصنوعی پیشنهاد شده است که مدل هوش مصنوعی مرکب (Committee machine (CM)) خوانده می‌شود. با توجه به این که هر یک از مدل‌های فازی، شبکه عصبی مصنوعی و نوروفازی توانایی‌هایی در برآورد پارامترهای هیدروژئولوژیکی نشان داده‌اند، لذا در این روش ترکیبی از این مدل‌ها برای پیش‌بینی قابلیت انتقال استفاده شده است. به طوری که خروجی هر مدل با وزن بهینه شده بوسیله روش الگوریتم بهینه‌سازی جامعه ذرات، به خروجی مدل ترکیبی ارائه شده انجامید. در این مطالعه از متغیرهای ژئوفیزیکی و هیدروژئولوژیکی مرتبط با قابلیت انتقال مانند مقاومت عرضی (R<sub>t</sub>)، هدایت الکتریکی (EC) و ضخامت آبخوان(B) و همچنین موقعیت جغرافیایی به عنوان ورودی برای برآورد قابلیت انتقال استفاده شد. بر اساس نتایج بدست آمده مدل ترکیبی پیشنهاد شده نسبت به هریک از مدل‌های فازی، شبکه عصبی مصنوعی و نوروفازی نتایج بهتری نشان دادند.https://www.iwrr.ir/article_16699_197e211074370064b2aff27ac8fd441d.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Comparison of evaporation estimation methods applied to the Reservoir of Saveh (Alghadir) Dam, Iranارزیابی روشهای تخمین میزان تبخیر برای مخزن سد ساوه (الغدیر)153516713FAامینحسنیکارشناس ارشد /مهندسی آب، شرکت آب منطقه‌ای گلستان، گرگان، گلستان، ایرانJournal Article20111106In this study, several precise models and methods are used for estimating annual and monthly evaporation rates for the reservoir of Saveh (Alghadir) Dam for 13 years (1995-2007). Water budget and evaporation pan, experimental methods, penman type equations, Bowen Ratio Energy Budget (BREB) method, and Complementary Relationship Lake Evaporation model (CRLE) were applied to this study. The maximum and minimum values for the mean annual evaporation rates are estimated between 145 cm (for Debruin-Keijman method) and 175 cm (CRLE model for shallow lakes). Also the long term monthly evaporation pattern from the applied methods are different from the standard method of BREB evaporation. The least difference in the mean monthly evaporation from the BREB results, are for the Mass Transfer, Papadakis, Penman, Brutsaert-Stricker, and Priestley-Taylor methods. However, only the standard deviation of Penman and Mass Transfer methods were very small and the other three methods have relatively large standard deviation from the BREB results. The qualification of the CRLE model have been rejected, and the Thornthwaite, Hamon and Ryan-Harleman methods have also large bias in mean and standard deviation for monthly evaporation rates from the BREB results.در این تحقیق میزان تبخیر سالانه و ماهانه از دریاچه سد ساوه (الغدیر) توسط تعدادی از روش‌ها از قبیل روش بیلان آبی و استفاده از تشتک تبخیر، روابط تجربی، روابط نوع Penman، روش بیلان انرژی (BREB) و مدل CRLE به مدت 13 سال (1386-1374) برآورد گردیده است. مقادیر تبخیر سالانه روشهای مختلف مورد استفاده از مقدار حداقل 145 سانتی‌متر برای روش Debruin-Keijman تا مقدار حداکثر 175 سانتی‌متر برای روش CRLE آبهای کم عمق متغیر می‌باشد. همچنین، الگو و تفاوت میانگین بلندمدت (13 ساله) ماهانه تبخیر حاصل از هر یک از روشهای مورد استفاده در این تحقیق با نتایج روش بیلان انرژی به عنوان روش استاندارد متفاوت می‌باشد. روش‌هایی از قبیل روش Mass transfer ،Debruin، Penman، Makkink، Papadakis و Priestley-Taylor دارای میانگین مقدار ماهانه تبخیر تقریباً برابر با روش BREB می باشند، ولی در این میان انحراف معیار روشهای Penman، Mass transfer و Priestley-Taylor بسیار کوچک می‌باشد و روشهای ذکر شده دیگر دارای انحراف معیار نسبتاً زیادی هستند. همچنین، علاوه بر مدل CRLE که صلاحیت آن برای محاسبه تبخیر از مخزن سد ساوه رد شد، روشهای Thornthwaite، Hamon و Ryan-Harleman نیز دارای انحراف زیادی نسبت به روش استاندارد مورد استفاده می‌باشند.https://www.iwrr.ir/article_16713_cca1984970cb6fe586716e732df9fb0d.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Estimation of Runoff Coefficient in Karstic Area (A Case Study: Delibajak Sepidar, Kohgiluyeh and Boyer-Ahmad province)برآورد ضریب رواناب در منطقه کارستی (مطالعه موردی: حوضه دلی‌بجک سپیدار، استان کهگیلویه و بویراحمد)364716714FAرسولپرهمتکارشناس ارشد/ آبهای زیر زمینی، دانشگاه شهید بهشتی، تهران، ایرانحمیدرضاناصریدانشیار /دانشکده علوم زمین دانشگاه شهید بهشتی، تهران، ایران0000-0001-9901-0855جهانگیرپرهمتعضو هیئت علمی/ سازمان آموزش، تحقیقات و ترویج کشاورزی، تهران، ایرانعلیملاییعضو هیئت علمی /مرکز تحقیقات کشاورزی و منابع طبیعی استان کهگیلویه و بویراحمد، یاسوج، ایرانJournal Article20101030Evaluation of infiltration and runoff in karstic areas is considerably important. These processes in karstic areas are more different from the other land coverages. Due to variation of factors affecting the infiltration and runoff in karstic areas, a specific formula cannot be set for these processes. In this study the amount of runoff and infiltration in a karstic catchment, named Delibajak in central Iran, were evaluated in both basin and plot scales. Precipitation and runoff components were continuously measured over the basin during research period and the runoff coefficient was estimated based on the collected data. Also, in plot scale, these components were evaluated on soil and rock coverages in 25 tests using sprinkler. Evaluated infiltration and runoff data in the basin-scale, show a very high infiltration capacity in Delibajak catchment, with very small runoff coefficients (1.5, 0.54 0.45 for events of 133, 130 and 95 millimeters of rain, respectively). Results of sprinkler data indicate a wide range of infiltration rate in Delibajak basin from almost zero to 40 percent.بررسی پدیدههای رواناب و نفوذ در مناطق کارستی از اهمیت ویژه‌ای برخوردار است. این فرآیندها در مناطق کارستی با سایر پوشش‌ها تفاوت دارند. به دلیل تنوع و تغییرات عوامل مؤثر بر نفوذ و رواناب در مناطق کارستی نمی‌توان رابطه مشخصی را برای این فرآیندها تعیین کرد. در این تحقیق بررسی و برآورد میزان ضریب رواناب و نفوذ در منطقه کارستی دلی بجک سپیدار واقع در استان کهگیلویه و بویراحمد در دو مقیاس حوضه و پلات صورت گرفته است. بدین منظور اندازه‌گیری مؤلفه‌های بارش (در سه ایستگاه باران‌سنجی) و رواناب در سطح حوضه به طور مداوم طی سالهای آبی 88-1387 و 89-1388 انجام و بر اساس آن ضریب رواناب برآورد گردید. همچنین در مقیاس پلات با استفاده از باران‌ساز مصنوعی در 25 آزمایش این مؤلفه‌ها بر روی پوشش خاکی و سنگی منطقه مورد بررسی قرار گرفتند. بررسی بارش و رواناب در این حوضه نشان داد که منطقه مورد مطالعه از ظرفیت نفوذ بالایی برخوردار است به نحوی که در بارش‌های 133، 130 و 95 میلی‌متری در سطح حوضه، به ترتیب ضرایب روانابی معادل 5/1، 54/0 و 45/0 درصد به دست آمده است. آزمایش‌های انجام شده به وسیله باران‌ساز مصنوعی نیز دامنه وسیعی از ضریب رواناب را نشان می‌دهد، به طوری که از صفر تا 40 درصد تغییر می‌کند.https://www.iwrr.ir/article_16714_a69d15dcf6d76d9d056662a38a11392d.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Evaluation of the Simultaneous Interactions of ENSO and MJO on the Occurrence of Dry and Wet Spells in Iranارزیابی برهمکنش همزمان پدیده های ENSOوMJO بر رخداد دوران های تر و خشک در ایران486016715FAسید محمد جعفرناظم الساداتاستاد /بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایرانصدیقهمهرآورکارشناس ارشد /هواشناسی، مرکز پژوهشهای علوم جوی - اقیانوسی دانشگاه شیراز، شیراز، ایران.حبیب الهقائد امینیکارشناس ارشد /هواشناسی، مرکز پژوهشهای علوم جوی - اقیانوسی دانشگاه شیراز، شیراز، ایران.Journal Article20120407This study aimed the analyses of the simultaneous effects of two phenomena MJO and ENSO on the occurrence of dry and wet spells in Iran. The study showed that the concurrence of El Niño with the MJO negative phase (El-N) and La Niña with the positive phase of the MJO (La-P) have the highest frequencies. Precipitation amounts and the incidence of dry and wet spells were, therefore, compared for these two distinct alternatives. The results indicated that, in February, November, and December, a nationwide dry condition is expected when La Niña is coincided with the MJO positive phase. On the other hand, the pervasive wet spell is anticipated if the El Niño events have concurred with the MJO negative phase. Although rainfall amount in dry zones of the southern Iran is less than corresponding values in the northern half of the country, the simultaneous impact of the considered Oscillations on the occurrence of dry or wet episodes are more significant for the southern half. For instance, Iranshahr station, in southeastern part of the country, has experienced 96 percent reduction or 90 percent increase in precipitation compared to the longterm mean values as the (La-P) or (El-N) was prevailed. Furthermore, for some stations located in very dry zone of the country including (Birjand, Torbatheidarieh, Tabas, and Yazd) the occurrence of dry or wet periods in April was significantly associated to the (La-P) or (El-N) episodes. For these stations about 105 percent increase or 51 percent decrease compared to the longterm mean precipitation values is anticipated as (El-N) or (La-P) events was prevailed, respectively.
<em> </em>انگیزه بنیادین این پژوهش آن است تا روشن سازد همزمانی و هماهنگ شدن فازهای گوناگون پدیدههای نوسان‌های مادن جولیان (MJO)<sup>1</sup> و نوسان‌های جنوبی (ENSO)<sup>2</sup> تا چه اندازه در رویداد دوره‌های پر آب و خشک کشور سایه می‌افکند. ارزیابی‌ها نشان داد که رخداد همزمان لانینیا با فاز مثبت MJO (La-P) و نیز النینیو با فاز منفی MJO (El-N) دارای بیشترین بسامد می‌باشند. بنابراین اندازه بارش و بسامد دوران‌های خشک و تر برای دوران‌های (La-P) و (El-N) با یکدیگر سنجیده شد. یافته‌های پژوهش نشان داد که در ماه‌های فوریه، نوامبر و دسامبر، هنگامی که فاز مثبت پدیده MJO بارخداد لانینیا همزمان گردد، خشکی فراگیری بر کشور چیره می‌گردد. در برابر، همزمانی فاز منفیMJO با پدیده النینیو، افزایش بارش و دوران پر آبی را در سراسر کشور به‌دنبال دارد. این نشان در ایستگاه‌هایی که در پهنه کویری کشور جای دارند چشمگیرتر است. برای نمونه، در ماه فوریه، با چیرگی پدیده النینو و فاز منفی MJO، میانگین بارش ایستگاه ایرانشهر %90 بیشتر از میانگین پایای (دراز مدت) این ایستگاه بوده است. در برابر، همزمانی رخداد پدیده لانینا و فاز مثبت MJO، کاهش 96 درصدی بارش این ایستگاه را در پی داشته است. افزون بر این، برای ایستگاه‌های پهنه‌های بیابانی مانند بیرجند، تربت حیدریه، طبس و یزد، هنگامی که فاز مثبت MJO با رخداد لانینیا هم زمان می‌شود، اندازه بارش ماه آوریل به گونه‌ای معنی‌دار کمتر از زمانی است که فاز منفیMJO با پدیده النینیو همزمان می‌گردد. در بسیاری از این ایستگاه‌ها همزمان شدن پدیده النینو و فاز منفیMJO افزایش تا 105 درصدی بارش و چیرگی همزمان پدیده لانینا و فاز مثبت MJO کاهش تا 51 درصدی بارش را به دنبال داشته است.https://www.iwrr.ir/article_16715_0199289fa8c8a6c025c5df1c04485588.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Projected Changes in Precipitation Extremes of Mashhad During the Twenty First Centuryتغییرات پیش بینی شده در بارش های فرین مشهد طی قرن بیست و یکم617416716FAمنصورهکوهیدانشجوی دکتری /هواشناسی کشاورزی، دانشگاه فردوسی مشهد، مشهد- ایران.ایمانبابائیاندکتری /اقلیم شناسی، گروه پژوهشی تغییر اقلیم، پژ‍وهشکده اقلیم شناسی، سازمان هواشناسی کشور، مشهد- ایران0000-0002-9281-062Xمحمدموسوی بایگیدانشیار /گروه مهندسی آب دانشگاه فردوسی مشهد- مشهد- ایرانعلیرضافریدحسینیاستادیار/ گروه مهندسی آب دانشگاه فردوسی مشهد- مشهد- ایرانلیلیخزانه داریعضو گروه پژوهشی /اقلیم شناسی بلایای جوی، پژ‍وهشکده اقلیم شناسی، سازمان هواشناسی کشور، مشهد- ایرانJournal Article20111219In assessing the potential impacts of climate change on different sections including water, agriculture, and urban drainage management, projection of changes in climate extremes as the results of climate change and global warming are essential. To have an outlook on future projections of climate extremes particularly precipitation, the outputs derived from three coupled general circulation models (HadCM3, NCCCSM, and CGCM3T47) contributing to the Fourth Assessment Report of the IPCCAR4, have been downscaled for Mashhad station under A1B emission scenarios by LARS- WG during three period 2011-2030, 2046-2065 and 2080-2099. The extremes are described by seven indices based on precipitation including CDD, R10mm, R20mm, RX5day, SDII, R95T, and R99T. The results showed that heavy precipitation events for pentads increase the maximum five-day precipitation and their intensity in three sequential periods. In addition, a larger fraction of the total annual precipitation is projected to occur during heavy precipitation events, i.e. events that exceed the 95<sup>th</sup> and 99<sup>th</sup> percentile. Increases are found for these indices indicated the more frequent future occurrence of floods in the twenty first century.پیش بینی تغییرات در رویدادهای فرین ناشی از گرمایش جهانی و تغییر اقلیم در ارزیابی اثرات بالقوه تغییر اقلیم بر بخش های مختلف مانند آب، کشاورزی و مدیریت سامانه های جمع آوری آب شهری بسیار مهم است. جهت ارایه دورنمایی از تغییرات آتی رویدادهای فرین به ویژه بارش، خروجی‌های سه مدل گردش عمومی جو (HadCM3، NCCCSM و CGCM3T47) تحت سناریوی A1B گزارش چهارم هیات بین‌الدول تغییر اقلیم توسط مدل LARS-WG برای سه دوره آتی برای ایستگاه مشهد ریز مقیاس شدند. نمایه‌های بارش فرین شامل R99T، R10mm, CDD ، RX5day ، R20mm, R95T و SDII برای سه دوره محاسبه گردید. نتایج نشان داد که بارش سنگین و ابرسنگین، بیشینه بارش پنج روزه و شدت بارش طی سه دوره افزایش خواهد یافت. همچنین سهم بیشتری از کل بارش سالانه به وقوع بارش های بیش از صدک 95 و 99 دوره پایه تعلق خواهد داشت. افزایش این نمایه ها به معنی افزایش فراوانی وقوع سیل و شدت آن طی قرن بیست و یکم خواهد بود.https://www.iwrr.ir/article_16716_f749025817f607fff3160d1e5244a9f6.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Drought early warning system based on the risks and uncertainties in operation of Zayandeh-Rud dam with solutions of water deficit reductionسیستم زود هنگام هشدار خشکسالی براساس ریسک و عدم قطعیت در بهره‌برداری از سد زاینده رود همراه با ارائه راهکارهای کاهش کمبود آب758916717FAمهدیغلامزادهکارشناسی ارشد /مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.سعیدمریداستاد /گروه مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.0000-0002-7024-1657مجیددلاوراستادیار /گروه مهندسی منابع آب، دانشکده کشاورزی دانشگاه تربیت مدرس، تهران، ایران.Journal Article20100612For water resources management in dry areas that rely on dams and surface water storage, the use of Drought Early Warning System (DEWS) with the hydrological indicator that capability to deal with the drought and water shortage are very useful and it also prevents the reducing of water reserves.In this research, it is tried to develop a drought early warning system, relying on effective component in reservoir management. The developed drought early warning system consists of five essential elements, namely, (1) Drought monitoring, (2) Prediction and uncertainty analysis of water consumption in the future, (3) Calculation of an index for drought alert (4) Risk and uncertainty analysis and (5) Policy Making for Drought Management that used in Zayandeh-Rud dam. To design this system, at the first stage the inflow was predicted by using Artificial Neural Networks (ANNS) in a period of 6-months with considering the relevant uncertainty and difference of probability levels. Also drought conditions were categorized in five levels by using of historical data (1983-2005) of reservoir water storage and using Self Organizing Feature Map (SOFM). The levels arenone, slightly severe, fairly severe, severe and very severe. Then a drought alert index was calculated with current drought monitoring conditions of reservoir and water consumption measuring in a 6-month forecast period. Based on the results of calculated index, warning of different levels of green status (normal condition) to red status (severe condition) with relevant uncertainty and different confidence levels was determined. In the next step, a nonlinear optimization model was used to determine optimum reduction of demands for maximum reservoir incomes. Finally, the performance of this system and its role in reducing the severity of the drought has been studied in the period of 1998-2001 as a severe drought in the study region.Results showed that the developed DEWS can alert droughts with overall accuracy of about 75%[r1] . Furthermore, it can determine the optimal water release in different management scenarios. So this system can be an effective tool for water resources management in areas that rely on dams.
[r1]It is mentioned as 75% in text. Which one is true?برای مدیریت منابع آب در مناطق خشک که اتکای بیشتری به سدها و ذخیره‌سازی آبهای سطحی دارند، استفاده از سیستم‌های زود هنگام هشدار خشکسالی (Drought Early Warning System) با معرف‌های هیدرولوژیکی، می‌تواند برای آمادگی بیشتر و جلوگیری از کاهش شدید ذخایر آبی تا حد زیادی مفید واقع شود. در تحقیق حاضر چنین سیستمی با تکیه بر مؤلفه‌های موثر در مدیریت سدهای مخزنی توسعه یافته است. سیستم زود هنگام هشدار خشکسالی توسعه داده شده شامل پنج زیر مدل اصلی: 1) پایش خشکسالی 2) اندازه‌گیری و پایش کمبود آب در آینده همراه با تحلیل عدم قطعیت 3) محاسبه یک شاخص هشدار برای اعلام هشدارهای لازم 4) تحلیل ریسک و عدم قطعیت و 5) ارائه راهکارهای مناسب جهت کاهش کمبود آب می‌باشد که برای سد زاینده رود ارایه شده است. در طراحی این سیستم ابتدا مصارف برای یک دوره 6 ماهه با در نظر گرفتن عدم قطعیت مربوط به سطوح احتمالاتی مختلف پیش‌بینی می‌شود، همچنین براساس اطلاعات تاریخی ذخیره آب مخزن و به روش نگاشت خود سامان یافته (Self Organizing Feature Maps) پایش خشکسالی درپنج دسته (بدون خشکسالی، خشکسالی ضعیف، خشکسالی با شدت کم، خشکسالی شدید و خشکسالی خیلی شدید) انجام می‌گردد. سپس یک شاخص هشدار خشکسالی (Drought Alert Index-DAI) با توجه به شرایط جاری مخزن سد و کمبود آب در دوره آتی 6 ماهه، ارائه می شود و بر اساس نتایج حاصل از آن، سطوح مختلف هشدار از وضعیت نرمال تا شرایط کم آبی شدید با در نظر گرفتن عدم قطعیت‌های مربوطه مشخص می‌گردد. نهایتاً با بکار بردن یک مدل بهینه‌سازی غیر خطی با هدف حداکثر سازی درآمد مخزن، سطوح کاهش رهاسازی نسبت به هر یک از مقادیر DAI با استفاده از سناریوهای مختلف بدست می‌آید. نهایتاً عملکرد این سیستم و نقش آن در کاستن از شدت خشکسالی طی دوره 1380-1377 که خشکسالی شدیدی بر منطقه حاکم بود، بررسی گردید . نتایج نشان داد که سیستم هشدار سریع ارائه شده به خوبی توانست هشدارهای لازم را با دقت 75 درصد ارائه و همچنین مقدار بهینه کاهش رهاسازی از سد را با توجه به سناریوهای مختلف مدیریتی تعیین نماید. لذا این سیستم را می‌توان ابزار مناسبی برای مدیریت منابع آب در مناطقی که متکی به آب ذخیره شده در سد می‌باشند، قلمداد کردhttps://www.iwrr.ir/article_16717_3f8dcd6ba8c3eafe3d3d0dce39c0460b.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Comparison of Multi Linear Regression, Nonparametric Regression, and Times Series Models for Estimation and Prediction of Evaporation Valuesمقایسة عملکرد رگرسیون های چندخطی، رگرسیون ناپارامتری و مدل‌های سری زمانی در برآورد و پیش بینی مقادیر تبخیر909516718FAبهنامآباباییکارشناس ارشد /دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، باشگاه پژوهشگران جوان و نخبگان، تهران، ایران.هادیرمضائی اعتدالیاستادیار /گروه مهندسی آب، دانشگاه بین المللی امام خمینی، قزوین، ایران.شهابعراقینژاداستادیار /گروه آبیاری و آبادانی، دانشکدة مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.عبدالمجیدلیاقتاستاد /گروه آبیاری و آبادانی، دانشکدة مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران.Journal Article20120229In order to simulate time series, various methods are presented such as times series models (AR, ARMA and ARMAX), multi-linear regression (MLR), and nonparametric regression (K-NN). In this research, performance of these models for estimation of missing values and prediction of future values of evaporation series (from open water) were assessed. ARMAX model with standardized input time series of T<sub>min</sub>, T<sub>max</sub>, T<sub>av</sub>, Wind, RH, and sunshine hours, outperformed the other models and the K-NN and MLR were in the next ranks, respectively. Also after the principal component analysis, ARMAX model showed noticeable deviation for estimating missing values and MLR and K-NN in calibration and MLR in validation stage performed the best. For short-term predictions, ARMAX model has the best performance, but MLR performed better in long-term predictions, Time series models were not robust for long term predictions.برای شبیه‌سازی سری‌های زمانی، روش‌هیا مختلفی ارائه شده‌اند که از آن جمله می‌توان مدل‌های سری زمانی AR، ARMA و ARMAX و روشهای رگرسیون چندخطی (MLR) و رگرسیون ناپارامتری (K-NN) را برشمرد. در این تحقیق، عملکرد این روش‌ها در برآورد داده‌های مفقود و پیش‌بینی مقادیر آتی سری زمانی تبخیر از سطح آزاد آب مورد بررسی قرار گرفت. مدل ARMAX با استفاده از ورودی‌های استاندارد شدة دمای کمینه و بیشینه، متوسط دما، سرعت باد، رطوبت‌نسبی و ساعات آفتابی، نسبت به سایر روش‌ها به بهترین نتایج منجر شد و روشهای K-NN و MLR در رتبه‌های بعدی قرار گرفتند. مشاهده گردید که پس از تحلیل اجزاء اصلی، مدل ARMAX دارای خطای قابل ملاحظه‌‌ای در برآورد مقادیر مفقود می‌باشد و روشهای MLR و K-NN در مرحلة واسنجی و روش MLR در مرحلة اعتبارسنجی به بهترین نتایج منجر می‌شوند. برای پیش‌بینی‌های کوتاه مدت، مدل ARMAX دارای بهترین نتایج بود؛ ولی در پیش‌بینی‌های بلند مدت، روش MLR به بهترین نتایج منجر شد و مدل‌های سری زمانی قادر به پیش‌بینی‌های بلندمدت نبودند.https://www.iwrr.ir/article_16718_ead97089aae476d362a942d978947c32.pdfانجمن علوم و مهندسی منابع آبتحقیقات منابع آب ایران1735-23479120130421Peak Discharge forecast in the Downstream Station Using the Upstream Stations By Neural Network (Case Study: Taleghan)پیش‌بینی دبی اوج در نقاط پایین دست با استفاده از داده های ایستگاه‌های بالادست به کمک شبکه عصبی (مطالعه موردی: طالقان)9610017458FAمریمخسرویدانش آموخته کارشناسی ارشد/ آبخیزداری دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.علیسلاجقهدانشیار /دانشکده منابع طبیعی دانشگاه تهران و عضو قطب علمی مدیریت پایدار حوزه‌های آبخیز، دانشگاه تهران, کرج, ایران.Journal Article20110606In cases that the gauging station in the downstream is destroyed for some reasons, and it is necessary to know the stream flow in the downstream, it is possible to forecast stream flow in the downstream station using the available data in the upstream station. In this research, the peak discharge of Gelinak station has been forecasted at outlet of the Taleghan watershed using artificial neural network in two states. In the first state, historic data of the Gelinak station including the maximum daily mean discharges, corresponding rainfall, one day antecedent rainfall and five days antecedent rainfall, sum of the five days antecedent rainfall and monthly mean temperature. In the second state, these data for the hydrologic units of Gatehdeh, Mehran, Alizan, Joestan were extracted and the physiographic parameters area, average height, main waterway length, and the average river slope were added into the artificial Neural Network model. The model is feed forward with two layers and the back-propagation algorithm. Data were trained, validated, and tested in three stages. Results showed that the forecast of peak discharge using the upstream station and the physiographic parameters are better[A1] than the peak discharge forecast using data from the last year in the downstream station
در برخی موارد ممکن است ایستگاه هیدرومتری پایین‌دست منطقه به دلایلی تخریب شده باشد و دانستن دبی در پایین‌دست منطقه ضرورت داشته باشد، در این مواقع می‌توان با استفاده از اطلاعات موجود و یا داده‌های ایستگاه‌های بالادست، دبی در ایستگاه پایین‌دست را پیش‌بینی کرد. در این تحقیق دبی اوج در ایستگاه گلینک واقع در خروجی حوزه آبخیز طالقان با استفاده از شبکه عصبی مصنوعی در دو حالت پیش‌بینی شده است. در حالت اول از آمار گذشته ایستگاه، شامل دبی‌های متوسط حداکثر روزانه و بارش‌های متناظر، یک روز و پنج روز قبل، مجموع بارندگی پنج روز و دمای میانگین ماهانه استفاده شد و در حالت دوم آمار فوق‌الذکر در واحدهای هیدرولوژیک گته‌ده، مهران، علیزان و جوستان و همچنین پارامترهای فیزیوگرافی مساحت، ارتفاع متوسط، طول آبراهه اصلی و شیب متوسط نیز به مدل افزوده شدند. نوع شبکه مورد استفاده شبکه عصبی پیشخور دو لایه با الگوریتم پس‌انتشار بود که داده‌ها طی سه مرحله آموزش، اعتبارسنجی و تست گردیدند. نتایج حاکی از آن است که پیش‌بینی دبی اوج با استفاده از ایستگاه‌های بالادست و پارامترهای فیزیوگرافی بهتر از پیش‌بینی دبی با استفاده از اطلاعات سالهای قبل در پایین‌دست ایستگاه می‌باشد.
https://www.iwrr.ir/article_17458_d85753f9fffd5bc75de09475aed5b3f1.pdf