3 نتیجه برای فقیه
همایون فقیه، مجید خلقی، صلاح کوچک زاده،
جلد 12، شماره 46 - ( (ب)-زمستان 1387 )
چکیده
سرریزشدن سیلاب از تاج سد یکی از عوامل اصلی شکست انواع سدها به‌شمار می‌آید. به‌منظور اجتناب از سرریز آب از روی بدنه سد، سد با یک یا چند سرریز مجهز می‌شود تا آب نگه‌داشته شده در مخزن را خارج نماید. تعداد و اندازه این سرریز‌ها براساس مقدار سیلاب طراحی تعیین می‌شوند. تعیین سیلاب طراحی سرریز سد را می‌توان به‌عنوان یک مسأله ریسک چندمنظوره فرموله کرد و چنین مسأله‌ای را می‌توان با استفاده از روش‌های تحلیل کمی ریسک حل نمود. در اینجا چهار روش طراحی اقتصادی مبتنی بر تحلیل ریسک شامل انجمن تحقیقات ملی آمریکا، مهندسین عمران آمریکا، منحنی‌واحد و تقسیم‌بندی ریسک چندمنظوره مورد بررسی قرارگرفت، و به‌منظور مقایسه این روش ها تحلیل ریسک برای تعیین مجدد سیلاب طراحی سرریز سد پیشین احداث شده روی رودخانه سرباز انجام شد. برای حل روابط تعیین خسارت مورد انتظار در دو روش مهندسین عمران و تقسیم‌بندی ریسک که به صورت تحلیلی قابل حل نیستند، از روش انتگرال گیری عددی رامبرگ، و برای انجام محاسبات مربوط به انتگرال گیری عددی و ترسیم نمودارها از نرم افزار Excel استفاده شد. همچنین تجزیه و تحلیل سیلاب ها جهت انتخاب توزیع مناسب با استفاده از نرم افزار Smada انجام گردید. نتایج نشان داد که سیلاب طراحی برآورد شده توسط سه روش مهندسین عمران، انجمن تحقیقات ملی آمریکا و منحنی واحد تقریباً مساوی، و مقدار آن کمتر از سیلاب ده‌هزارساله می‌باشد. در صورتی که سیلاب طراحی توسط روش تقسیم‌بندی ریسک چندمنظوره بزرگ‌تر از سیلاب ده‌هزار ساله برآورد گردید.
همایون فقیه،
جلد 14، شماره 51 - ( علوم و فنون كشاورزي و منابع طبيعي،علوم آب و خاک بهار 1389 )
چکیده
برآورد توزیع مکانی بارش برای اجرای طرح های مطالعات منابع آب، خشک‌سالی، طرح های آمایش سرزمین، محیط زیست، آبخیزداری و طرح های جامع کشاورزی ضروری می-باشد. تغییرات زیاد مقدار بارش در نقاط مختلف، کمبود ایستگاه های اندازه گیری و پیچیدگی ارتباط بارش با پارامترهای اثرگذار بر آن، اهمیت توسعه روش های کارآمد را در برآورد توزیع مکانی بارش دو چندان می نماید. شبکه عصبی مصنوعی به عنوان یک روش نوین، در مدل سازی و پیش بینی فرآیندهایی که برای شناخت و توصیف دقیق آنها راه حل و رابطه صریحی وجود نداشته، موفق بوده است. این تحقیق با هدف بررسی کارایی شبکه عصبی مصنوعی در برآورد مکانی بارش ماهانه انجام گرفت. بدین منظور شبکه عصبی با ساختار پرسپترون چند لایه برای تدوین مدل برآورد مکانی بارش در پنج ایستگاه سینوپتیک و باران سنجی، واقع در استان کردستان، به کارگرفته شد. برای طراحی ساختار مدل در هر ایستگاه، با تغییر پارامترهای قابل تنظیم، (شامل تابع انتقال، قانون آموزش، مقدار مومنتم، تعداد لایه پنهان، تعداد نرون لایه پنهان و تعداد الگوها)، شبکه های عصبی مختلف ساخته و اجرا شد. در هر مورد، ساختاری که کمترین مقدار جذر میانگین مربعات خطا (RMSE) را داشت به عنوان مدل نهایی انتخاب گردید. از آنجا که انتخاب هر یک از پارامترهای متغیر شبکه عصبی مستلزم آزمون و خطاهای مکرر و در نتیجه آموزش تعداد زیادی شبکه با ساختار مختلف بود، از روش الگوریتم ژنتیک برای بهینه یابی این پارامترها استفاده شد و کارایی این روش در بهینه سازی شبکه عصبی بررسی گردید. نتایج نشان داد، شبکه عصبی در مدل سازی و برآورد مکانی بارش ماهانه از دقت بالایی برخوردار است. همچنین تلفیق آن با الگوریتم ژنتیک، برای بهینه‌سازی شرایط اجرای شبکه عصبی، مثبت ارزیابی گردید و روش تلفیقی در اکثر موارد برتری خود را نسبت به اجرای شبکه عصبی بدون بهینه سازی نشان داد. دقیق ترین مدل در همه ایستگاه های مورد مطالعه، با استفاده از تابع انتقال سیگموئید و قانون آموزش لونبرگ مارکوارت حاصل گردید. در مدل های منتخب، مقدار ضریب تبیین (2R) بین مقادیر خروجی مدل و داده های مشاهده شده در ایستگاه، برابر با 86/0، 89/0، 94/0، 77/0 و 94/0 به دست آمد.
همایون فقیه، جواد بهمنش، کیوان خلیلی،
جلد 22، شماره 1 - ( علوم آب و خاک - علوم و فنون کشاورزی و منابع طبیعی- بهار 1397 )
چکیده
بارش، از مؤلفه های اصلی بیلان آب در هر منطقه بوده و توسعه روش های کارآمد برای برآورد توزیع مکانی و زمانی آن از اهمیت قابل توجهی برخوردار است. هدف از این پژوهش بررسی کارایی مدل چند مکانی خودهمبسته (Multiple-site auto regressive model) مرتبه اول برای برآورد مکانی- زمانی بارش سالانه در استان کردستان بود. بدین منظور هشت ایستگاه همدیدی (Synoptic) که دارای آمار بلندمدت، بودند انتخاب شد. برای تعیین پارامترهای مدل، داده های دوره آماری 21 ساله (1391- 1371) به کار برده شد. این پارامترها با محاسبه همبستگی های با تأخیر صفر (Lag0) و یک (Lag1) در سری های زمانی بارش سالانه ایستگاه ها به دست آمدند. در این روش بارش منطقه در سال t براساس بارش سال قبل آن (t-1) برآورد شد. برای ارزیابی مدل، بارش سالانه منطقه در سال های 1392 و 1393 به وسیله مدل برآورد و با داده های مشاهده ای مقایسه شد. نتایج حاکی از دقت مناسب این مدل در پیشبینی مقدار بارش سالانه این منطقه بود. درصد خطای مدل در برآورد بارش سالانه منطقه برای سال های 1392 و 1393 به ترتیب 9/7 و 3/17 درصد به دست آمد. همچنین ضریب همبستگی داده های برآورد شده و مشاهده شده در سطح معنی داری کمتر از یک درصد معنیدار شد (978/0 R=). علاوه‌بر این عملکرد مدل از نظر تولید داده مناسب بود. به طوری که مشخصات آماری داده های تولیدی و داده های تاریخی ثبت شده، مشابه بودند و اختلاف معنی‌داری نداشتند. بنابراین با توجه به کارایی مناسب این مدل در پیشبینی و تولید بارش سالانه، کاربرد آن برای کمک به مدیریت بهتر منابع آب این منطقه قابل توصیه است.
