پیش بینی دبی ورودی وسطح آب مخزن سد دز با استفاده از سیستم های فازی و شبکه های عصبی مصنوعی
نسخه کامل طرح پژوهشی منتشر نشده است و در دسترس نیست.
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده طرح پژوهشی:
امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب و جلوگیری از صدمات اقتصادی و جانی ناشی از آن، پیشبینی صحیح جریان رودخانهها میباشد. یکی از بهترین راههای کاهش اثرات مخرب سیلاب، استفاده از سدها و مخازن است. مخازن مهمترین و موثرترین سیستم ذخیره آب میباشند که توزیع نابرابر مکانی و زمانی آب را تغییر میدهند. آنها همچنین تامین کننده آب شرب و آبیاری بوده و وسیله بسیار مناسبی برای تولید انرژی برقابی میباشند. به منظور بهترین استفاده از آب موجود، بدونشک مدیریت بهینه مخازن در یک سیستم پویا بسیار مهم میباشد.
پیشبینی جریان ورودی و سطح آب مخزن، در بهینهسازی مدیریت مخازن آب بسیار موثر میباشند. اما فاکتورها و عوامل مختلفی بر روی این پدیدهها تاثیرگذارند که تحلیل آنها را مشکل میسازد. مدلهای آماری و رگرسیون از معمولترین روشهای تحلیلی میباشند که غالبا با توجه به حل خطی این پدیدهها، نتایجی همراه با خطا ارائه داده و نمیتوانند تغییرات زمانی پدیده مورد نظر را با دقت قابل قبول مدل کنند. امروزه سیستمهای هوشمند فازی و عصبی با توجه به توانایی در حل پدیدههای غیر خطی و پیچیده، کاربردهای فراوانی در مسائل مختلف مهندسی آب از جمله هیدرولوژی پیدا کردهاند، که در این تحقیق نیز به ارزیابی این سیستمها در پیشبینی جریان ورودی به مخزن و سطح آب در آن پرداخته میشود.
فرضیاتی که در مدلهای هیدرولوژیکی در نظر گرفته میشود باید با واقعیات هیدرولوژیکی سازگار باشد و پیشبینیها نباید از محدودة مشاهداتی رفتار سیستم خارج گردد. قابلیت یک مدل هیدرولوژیکی باید بصورت ساختاری، هم در مورد اساس تئوریهای هیدرولوژیکی بکار رفته در آن و هم از لحاظ میزان دادة مورد نیاز و موجودیت آنها مورد ارزیابی قرار گیرد. مدلهای هیدرولوژیکی موجود بهلحاظ بکارگیری میزان جزئیات فرآیندهای هیدرولوژیکی در مدلها، متمایز میباشند. در مدلهای تجربی از جزئیات فرآیندها صرفنظر میگردد و تنها از معادلات ساده با پارامترهای اندک استفاده میشود. هر مدل تجربی برای یک حوضه خاص بدست آمده و ممکن است برای حوضههای دیگر کارایی لازم را نداشته باشد. در مقابل در مدلهای فیزیکی سعی میگردد حداکثر جزئیات فرآیندها در مدل در نظر گرفته شود. بنابراین هر نوع کاربرد این نوع مدلها نیازمند اطلاعات بسیار جامع و کامل از حوضه مورد بررسی و نیز تعیین هزاران مقادیر پارامتری میباشد. کالیبراسیون چنین مدلهایی نیز، بسیار پیچیده و وقتگیر میباشد.با توجه به محدودیتهای مدلهایی از نوع بالا، مدلهای جعبه سیاهی همچون شبکههای عصبی و سیستمهای فازی با نیاز به دادههای کمتر به نسبت مدلهای فیزیکی، نتایج بسیار خوبی را ارائه میدهند.
سد دز یکی از بلندترین سدهای ایران بوده و بر روی رودخانه دز که از ارتفاعات غربی زاگرس سرچشمه گرفته و از نظر میزان آبدهی دومین رودخانه ایران محسوب میشود، ساخته شده است. با توجه به اینکه رودخانه دز یکی از پرآبترین و مهمترین رودخانههای کشور میباشد، پیشبینی دبی این رودخانه میتواند به مدیریت حوضه این رودخانه و به طور کلی صنعت آب کشور، کمک زیادی کند.
در این تحقیق با استفاده از اطلاعات باران و تبخیرسنجی و دبی ایستگاههای بالادست مخزن سد دز و همچنین خود مخزن سد، به پیشبینی دبی ورودی به مخزن در 1 تا 4 روز آینده با استفاده از سیستمهای فازی و شبکههای عصبی پرداخته میشود. الگوهای مختلفی از اطلاعات بارانسنجی و دبی ایستگاههای بالادست و همچنین اطلاعات تبخیر، بارانسنجی و دبی ورودی به مخزن در دورههای گذشته به عنوان اطلاعات ورودی استفاده میشوند. در انتها بهمنظور بررسی بیشتر توانایی این سیستمهای هوشمند، نتایج حاصل از آنالیز رگرسیون با نتایج سیستمهای فازی و شبکههای عصبی مقایسه میگردند.
به منظور پیشبینی جریان رودخانهها با استفاده از شبکههای عصبی از الگوریتم پس انتشار خطا (BP) جهت آموزش و تست شبکه بهرهبرده میشود. همچنین ساختارهایی با توابع محرک و الگوریتمهای یادگیری مختلف، تعداد نرونهای متفاوت برای لایه پنهان نیز معرفی میشود تا بتوان بهترین الگوی تطبیق داده شده با شرایط جریان انتخاب گردد.
در هنگام پیشبینی دبی ورودی به مخزن با استفاده از سیستمهای فازی از دو سیستم استنتاج فازی ممدانی و تاکاگی-سوگنو استفاده میشود. در این تحقیق، همچنین روشهای فازیساز و غیرفازیساز و شکل توابع عضویت متفاوت جهت تعیین بهترین ساختار به کار برده میشود.
در قسمت دوم این تحقیق به پیشبینی سطح آب در مخزن در دورههای سیلابی پرداخته میشود. به این منظور از روش بدیع سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) جهت تخمین 3 تا 60 ساعته سطح آب در مخزن استفاده میشود. سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) یک شبکه پسخور چند لایه میباشد که از الگوریتمهای یادگیری شبکهعصبی و منطق فازی به منظور طراحی نگاشتغیرخطی بین فضای ورودی و خروجی استفاده میکند. ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه تطبیقی سیستم فازی، نشان داده است که در مدلسازی فرایندهای فراوانی قدرتمند م
پیش گفتار طرح پژوهشی
سازههای کنترلکننده آب مثل سدها، سیلبندها و … نقش موثری در کاهش یا حذف خسارات ناشی از سیلاب ایفاء میکنند. اما در بسیاری از شرایط، فاکتورهای توپوگرافیک یا اقتصادی موجب غیرعملی بودن کنترل سیلاب میشوند. در این شرایط، پیشبینی دبی رودخانه ابزارهای جایگزینی را جهت کاهش خسارات سیلاب فراهم میکند. هشدار قبل از یک سیلاب پیشرو، اجازه تخلیه افراد، دامها و ابزارآلات را میدهد. جهت تخمین دبی ورودی به مخازن، پیشبینی دبی رودخانه مورد نیاز میباشد تا کنترل سیلاب یا کاربردهای دیگر مخازن با راندمان بالا انجام گردد. علاوه بر این، امروزه جهت ناوبری، تامین آب، آلودگی آب و بسیاری دیگر از مسائل مرتبط، پیشبینی دبی رودخانه مورد نیاز میباشد. پیشبینی جریان ورودی به مخزن، در بهینهسازی مدیریت مخازن آب بسیار موثر میباشند. اما فاکتورها و عوامل مختلفی بر روی این پدیدهها تاثیرگذارند که تحلیل آنها را مشکل میسازد. مدلهای آماری از معمولترین روشهای تحلیلی میباشند که غالبا با توجه به حل خطی این پدیدهها، نتایجی همراه با خطا ارائه داده و نمیتوانند تغییرات زمانی پدیده مورد نظر را مدل کنند. امروزه سیستمهای هوشمند فازی و عصبی با توجه به توانایی در حل پدیدههای غیرخطی و پیچیده، کاربردهای فراوانی در مسائل مختلف مهندسی آب از جمله هیدرولوژی پیدا کردهاند، که در این تحقیق نیز به ارزیابی این سیستمها در پیشبینی جریان ورودی و سطح آب مخزن پرداخته میشود.
در ایران کمکم کاربرد شبکههای عصبی در مسائل مختلف مهندسی و از جمله علوم آب شناخته شدهتر می شوند. برآورد رسوب، سدهای خاکی، تخمین شیب پایدار و همچنین پیشبینی جریان رودخانهها و شبیهسازی فرایند بارش رواناب از جمله مسائلی هستند که اخیرا مورد توجه قرار گرفتهاند. اما سیستمهای فازی در ایران و در مسائل مختلف مهندسی آب کمتر مورد استفاده قرار گرفتهاند. از تحقیقات انجام شده میتوان به کارهایی که در زمینه تعیین بار رسوبی رودخانهها، برآورد مصرف آب شهری و بهرهبرداری بهینه مخزن اشاره کرد.
تحقیقات بسیار زیادی در جهان در مورد کاربرد شبکههای عصبی در مهندسی علوم آب صورت گرفته است که میتوان به پیشبینی بارندگی، مدلسازی آبهای زیرزمینی و پیشبینی جریان رودخانه [1] اشاره کرد.
از زمانیکه تئوری مجموعههای فازی، اولین بار در سال 1965 توسط پروفسور لطفی عسگرزاده پایه گذاری شد، تحقیقات نسبتا زیادی در مورد کاربرد سیستمهای فازی در علوم مهندسی صورت گرفته است. همچنین کارهای نسبتا خوبی در زمینه علوم آب و جهت پیشبینی سیلاب [2]، فرایند بارش-رواناب [3] و جریان رودخانه [4] صورت گرفته است.
همچنین ANFIS با توجه به توانایی در ترکیب قدرت زبانی یک سیستم فازی با قدرت عددی یک شبکه عصبی، نشان داده است که در مدلسازی فرایندهای همچون مدیریت مخازن، سریهای زمانی هیدرولوژیکی و برآورد رسوب بسیار قدرتمند میباشند.
هدف اصلی این تحقیق، بررسی توانایی سیستمهای فازی و شبکههای عصبی در پیشبینی جریان روزانه ورودی به سد دز و مقایسه آن با روش رگرسیون میباشد. به این منظور با استفاده از اطلاعات 8 ایستگاه هیدرومتری، 4 ایستگاه بارانسنجی و 2 ایستگاه تبخیرسنجی در بالادست سد دز به پیشبینی جریان ورودی به سد، برای 1 تا 4 روز آینده پرداخته شد. بالطبع نتایج کاربردی این تحقیق میتوانند برای سیستمهای هشدار سیل بهکار گرفته شوند.
فهرست مطالب طرح پژوهشی
نویسندگان