تحلیل روند پارامترهای اقلیمی و مدلسازی جریان در حوضه مهابادچای
- سال انتشار: 1398
- محل انتشار: ششمین کنفرانس ملی پژوهشهای کاربردی در مهندسی عمران، معماری و مدیریت شهری و پنجمین نمایشگاه تخصصی انبوه سازان مسکن و ساختمان استان تهران
- کد COI اختصاصی: CEUCONF06_0395
- زبان مقاله: فارسی
- تعداد مشاهده: 450
نویسندگان
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه ارومیه
هیات علمی گروه مهندسی آب، دانشگاه ارومیه
پژوهشگر پسا دکترای گروه آبیاری و آبادانی، دانشگاه تهران
چکیده
تغییرات اقلیمی در عصر حاضر یکی از چالشهای مهم زیست محیطی است. درک ما از تاثیرات بشر روی محیط، به ویژه آنهایی که در ارتباط با گرم شدن ناشی از افزایش گازهای گلخانه ای هستند، نشان میدهد که تعدادی از پارامترها به احتمال زیاد در حال تغییر میباشند. بنابراین، بررسی روند پارامترهای اقلیمی و مدلسازی جریان در برنامه ریزی و طراحی دقیقتر پروژه های آبی در آینده از اهمیت زیادی برخوردار است. در این مطالعه روند تغییرات آبدهی، دما و بارش حوضه مهابادچای در دو مقیاس سالانه و ماهانه با استفاده از آزمون ناپارامتری من- کندال مورد بررسی قرار گرفته و مدلسازی جریان با استفاده از روش شبکه عصبی مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی انجام شده است. لذا، دو ایستگاه سینوپتیک و یک ایستگاه هیدرومتری در استان آذربایجان غربی (حوضه مهابادچای) انتخاب و پس از تکمیل دوره آماری 1372- 1394 برای ایستگاه سینوپتیک و برای ایستگاه هیدرومتری مورد بررسی قرار گرفتند. آزمون روند در سطوح معنیداری 5 درصد و 10 درصد انجام شده است. نتایج بررسی آبدهی، بارش و دما حوضه مهاباد چای نشان داد که حوضه مهابادچای در طی سالهای مورد بررسی پارامتر بارش و دما در مقیاس سالانه روند معنیداری نداشته، آبدهی در مقیاس سالانه روند کاهشی (Z=-1,89) در سطح معنیداری 10 درصد داشته و در مقیاس ماهانه در ماه خرداد Z=-2,45، پارامتر دما در ماه دی (Z=- 1,96 ) در سطح معنیداری 5 درصد و بارش در ماه مهر (Z=- 1,92 ) در سطح معنی داری 10 درصد روند کاهشی را تجربه کرده است. همچنین در بخش مدلسازی از 80 درصد داده ها برای آموزش و 20 درصد داده-ها برای آزمون مدل شبکه عصبی مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی استفاده شده است. ارزیابی عملکرد مدل شبکه عصبی مصنوعی و فازی- عصبی بر اساس آزمونهای آماری مختلف، ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا انجام گرفت. مقدار آماره ریشه میانگین مربعات خطا با به کارگیری بهترین ترکیب ورودی مدل شبکه عصبی مصنوعی و فازی- عصبی تطبیقی به ترتیب برابر 0,30 و0,57به دست آمد. بر اساس نتایج مشاهده شدکه دو روش شبکه مصنوعی و سامانه استنتاج فازی- عصبی تطبیقی عملکرد قابل قبولی برای تخمین جریان رودخانه دارد.کلیدواژه ها
روند، آبدهی، بارش، دما، آزمون من– کندال، شبکه عصبی مصنوعی، سامانه استنتاج فازی- عصبی تطبیقیمقالات مرتبط جدید
- بررسی عملکرد لرزه ای سازه های بتنی در مقابل حوادث طبیعی همچون زلزله
- بررسی جایگاه هوش مصنوعی در موفقیت مهندسی عمران
- نقش و جایگاه عمران و شهرسازی در ایجاد و توسعه گردشگری شهرهای شمالی
- واکاوی ویژگی های محیط های معماری و شهرسازی در دوران همه گیری ویروس کرونا
- بررسی ویژگی های شهر دوستدارکودک از منظر طراحی فضاهای شهری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.