بهینه یابی مناسب ترین مدل برآورد رسوب معلق رودخانه سد آبشینه همدان

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 84

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYD-8-27_003

تاریخ نمایه سازی: 19 دی 1401

چکیده مقاله:

مدل­ های ریاضی با استفاده از معادلات حاکم بر انتقال، توزیع و انباشت رسوب­، یکی از روش های کارآمد برای پیش بینی و برآورد بار معلق رودخانه­ ها محسوب می شوند. در این بررسی بار معلق رودخانه سد آبشینه همدان با استفاده از مدل ­های USBR، منحنی حد وسط دسته­ ها، منحنی سنجه فصلی و FAO برآورد و ضمن نمونه ­برداری مستقیم از بار معلق، مدل ها با روش اصلاحی تبدیل لگاریتمی (CF۱, CF۲) و مدل آماری GS+ ارزیابی و مناسب ترین مدل برآورد بار معلق رودخانه انتخاب شد. نتایج نشان داد که مدل فائو به دلیل بررسی پارامترهای بیشتر در شرایط مرزی و کمترین مقدار ضرایب تصحیح CF۱ و­CF۲ و خطای کمتر میزان رسوبات بار معلق را با دقت و کارایی قابل قبول تری محاسبه نموده ­و از برازش و تطابق بیشتری با مقادیر رسوب مشاهداتی برخوردار است­­­. بررسی­ ها نشان می­ دهد که مدل های مختلف هیدرولوژیکی نتایج متفاوتی نسبت به هم داشته و­ تقسیم ­بندی داده ­ها برحسب زمان وقوع­، تاثیر فراوانی در کاهش خطا دارد­، به­ طوری­ که مدل فائو با کمترین درصد خطای نسبی و میانگین توان دوم خطابه ترتیب به میزان ۵۸/۹۹ درصد و ۰۰۰۱/۰ به عنوان روش بهینه و مدل دوره­ ی مشابه هیدرولوژیکی با بیشترین درصد خطای نسبی به میزان ۳۴/۱۰۰و ضریب همبستگی پایین به عنوان نامناسب­­ ترین مدل برآورد رسوب معلق رودخانه­ ی آبشینه انتخاب شدند. نتایج نشان داد که مدل فائو در برآورد میزان رسوب معلق رودخانه با ضرایب تصحیح  CF۱=۱.۲۴و CF۲=۱.۴۶ وکمترین میزان خطا نسبت به مدل USBR خطی با­CF۱=۱.۸۷ و CF۲=۱.۹۷ و حد وسط با­CF۱=۲.۴۳ و CF۲=۳.۰۱از دقت بیشتری برخوردار است. پیشنهاد می­شود در مدل های برآورد بار معلق رودخانه ها بازنگری و از مدل های با کمترین خطا استفاده گردد.

نویسندگان

علیرضا ایلدرمی

دانشیار دانشگاه

مهران محمدپناه مقدم

دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abolfathi, D., Madadi, A., & Asghari, S. (­۲۰۱۸). Modeling the ...
  • Asadi, M., Fathzadeh, A., & Taghizadeh Mehrjerdi, R. (۲۰۱۷). Investigation ...
  • Farajzadeh, M., Heidary, A. A., ­Mollashahi, M., & Rajabi Rostamabadi, ...
  • Gericke, A., Venohre, M. (­۲۰۱۲). Improving the estimation of erosion-related ...
  • Gholami, L., Ghorghi, H., Abdollahi, J., Khaledi, Z., & Darvishan, ...
  • Honarbakhsh, A., Fashin Niazi, A., Soltani, A., & Tahmasebi, P. ...
  • Hu, B., Wang T.H., Yang, Z., & Sun, X. (۲۰۱۱). ...
  • Iqbal, M., Ghumman, A.R., Haider, S., Hashmi, H. N., & ...
  • Karami, F., Bayati Khatibi, M. (۲۰۱۹). Modeling soil erosion and ...
  • Lai, Y.G., &Wu,K.(۲۰۱۹).­AThree-Dimensional Flow andSedimenTransport Model for Free-Surface Open Channel ...
  • Nasseri, F., Azari, M., Dastarani, M. T. (۲۰۱۸). Optimization of ...
  • Noorani, V., & Mohsenzadeh, S. (۲۰۱۷). Estimation of Monthly Sediment ...
  • Ouda, M. (۲۰۱۹). Multiphase Modelling of Sediment Transport and Bed ...
  • Raeisi, M., Najafinejad, A., & AzimMohseni, M. (۲۰۱۹). Investigation of ...
  • Ramezanipour, E., Mosaedi, A., & Mesdaghi, M. (۲۰۱۷). Determining the ...
  • Zahiri, A. R., Qoli Nejad, J., & Dehghani, A. (۲۰۱۸). ...
  • Zhang, W., Wei, X., Jinhai, Z., Yuliang, Z., & Zhang, ...
  • نمایش کامل مراجع