وبلاگ

ای از ویژگی های حوضه هستند. بیشتر این پارامترها از کمیت های قابل اندازه گیری حوضه به دست نمی آیند، لذا لازم است از طریق کالیبراسیون مدل برآورد شوند، در واقع بیشتر مدل های مفهومی بارش- رواناب، به ویژه نوع پیوسته آن ها، از شمار زیادی پارامتر برخوردارند و سری پارامترهای مناسب باید در یک فضای بزرگ چند بعدی یافت شوند. سطح پاسخ تابع هدف این مدل ها اغلب از بهینه های موضعی زیادی برخوردار هستند. لذا می توان گفت که کالیبراسیون خودکار در مورد این مدل ها امری راهگشا و ضروری است. [خزایی، 1388]
در میان انواع روش های بهینه سازی تابع هدف، الگوریتم PSO (Particle Swarm Optimization) به عنوان روشی نسبتاً جدید و کاربردی از مجموعه وسیع روش های هوش جمعی Swarm Intelligence Methods))، به منظور کالیبراسیون مدل بارش- رواناب ARNO در این تحقیق مورد استفاده قرار گرفته است.
 
1-1- اهمیت و ضرورت انجام تحقیق:
بهره برداری و استفاده مطلوب از منابع آب و مدیریت بهینه آن مستلزم شناخت بهتر مدل هیدرولوژیکی است. بارش و به دنبال آن تشکیل رواناب سطحی از فازهای مهم چرخه هیدرولوژیکی محسوب می شود و اساس کار مدل هیدرولوژیکی، بررسی رابطه بین بارش و رواناب است. کالیبراسیون دستی مدل های هیدرولوژیکی از اوایل دهه 1960 مورد توجه قرار گرفته است، ولی به دلیل وقت گیر بودن و پیچیدگی آن، از اواخر دهه مذکور بحث کالیبراسیون خودکار مورد توجه قرار گرفت. کالیبراسیون خودکار (Auto Calibration) نیازمند انتخاب یک تابع هدف مناسب، یک الگوریتم جستجو و یک معیار برای به اتمام رساندن الگوریتم است.
مدل ARNO یک مدل بارش- رواناب مفهومی است که به صورت گسترده در مطالعاتی هم چون برنامه ریزی آب، تحلیل جریانهای کم، تحلیل سیلهای حدی، پیش بینی زمان واقعی سیل و مطالعات اثرات تغییر اقلیم در نقاط مختلف دنیا با موفقیت به کار گرفته شده است، از طرف دیگر به هنگام استفاده از این نوع مدل ها به دلیل داشتن پارامترهای زیاد (که مستقیماً قابل اندازه گیری نیستند)، بحث کالیبراسیون و مطابقت هر چه بیشتر هیدروگرافهای مشاهداتی و شبیه سازی امری بسیار مهم و حائز اهمیت بوده و به عنوان اصلی ترین چالش مطرح است. چنان چه بتوان یک مدل با ضریب کارآیی ( ) بالا ارائه داد، مدل مورد نظر در پیش بینی سیلاب ها و همچنین برآورد دبی خروجی، کاربردی و قابل اتکا خواهد بود، بنابراین هدف از ارائه یک مدل این است که هیدروگراف شبیه سازی حتی المقدور بیشترین انطباق را با هیدروگراف مشاهداتی (اندازه گیری شده در خروجی حوضه) داشته باشد. در این تحقیق کوشش شده است تا هیدروگراف خروجی به نحوی مناسب با الگوریتم بهینه سازی PSO شبیه سازی گردد.
 
1-2- اهداف و سئوالات تحقیق:
به طور مشخص هدف نهایی در این تحقیق دستیابی به بهترین و مناسب ترین پارامترهای مدل بارش – رواناب ARNO به منظور شبیه سازی هیدروگراف خروجی است، به نحوی که هیدروگراف تولید شده بتواند دبی خروجی را با دقت مناسبی پیش بینی نماید، به عبارت دیگر چنان چه بتوان یک هیدروگراف شبیه سازی خروجی با ضریب تصمیم گیری مناسب ارائه داد، می توان از آن در مواردی نظیر کنترل سیلاب و مدیریت منابع آب بهره جست.
در این تحقیق کوشش شده تا به سئوالات زیر پاسخ گفته شود:
1- یک مدل مفهومی نظیر مدل ARNO تا چه حد در شبیه سازی پروسه پیچیده بارش- رواناب مؤثر و کاربردی است؟
2- استفاده از الگوریتم های جستجو (به طور اخص الگوریتم PSO) به منظور دستیابی به پارامترهای مدل تا چه حد مؤثر وگره گشا است؟ یا به عبارتی اهمیت استفاده از کالیبراسیون خودکار در یک مدل مفهومی تا چه حد بوده و چگونه در قضاوت و تصمیم گیری آتی تأثیر گذار است؟
3- آیا با بهره گرفتن از متد بهینه سازی مذکور می توان مقادیر پارامترهایی که به طور خاص دریک مدل مفهومی هیدرولوژیکی، قابل اندازه گیری نیستند به دست آورد یا آن را اصلاح نمود؟ به عبارت دیگر استفاده از یک مدل مفهومی بارش- رواناب و دستیابی به یک هیدروگراف شبیه سازی مناسب توسط آن تا چه حد می تواند در درک پروسه های واقعی موجود در حوضه و نحوه ارتباط میان آنها به ما کمک کند؟
4- تأثیر پردازش داده ها در ارائه یک هیدروگراف شبیه سازی مناسب و دارای انطباق بیشتر با واقعیات فیزیکی موجود در حوضه تا چه حد است؟
 
1-3- ساختار پایان نامه:
این تحقیق شامل پنج فصل به شرح زیر است:
فصل اول که شامل بیان مسئله، ضرورت و اهمیت تحقیق، تعاریف مفاهیم کلی و بیان ساختار کلی پایان نامه است.
فصل دوم که در آن به سابقه و مبانی استفاده از مدل های هیدرولوژیکی بارش- رواناب مفهومی و به طور اخص مدل ARNO پرداخته می شود، هم چنین در این فصل به پیشینه و چارچوب کلی روش های بهینه سازی به خصوص روش PSO نیز اشاره می گردد.
فصل سوم که در آن به بررسی منطقه مورد مطالعه پرداخته می شود و سپس در ادامه مباحث تئوری تحقیق نظیر ساختار و عملکرد مدل ARNOو هم چنین روش ارائه یک برنامه کامپیوتری بر مبنای الگوریتم بهینه سازی PSOدر دستور کار قرار می گیرد.
فصل چهارم به تجزیه و تحلیل نتایج حاصله از بهینه سازی مدل ARNO و هم چنین بررسی تأثیرات توسعه مدل برف و استفاده از یک فایل بارش مناسب بر روی جواب ها، می پردازد.
فصل پنجم به نتیجه گیری کلی و ارائه پیشنهادات اختصاص دارد.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
فصل دوم- مبانی و بر منابع
 
 
 
 
 
 
 
 
 
 
 
 
 
 
2-1 کلیات و تعاریف:
قبل ازبحث اصلی، تعاریف بخشی از اصطلاحاتی که در این تحقیق مورد استفاده قرار می گیرد ذیلاً ارائه می­گردد.
ابتدا به تعریف اصطلاحات مربوط به روش بهینه سازی مورد استفاده در این تحقیق یعنی الگوریتم بهینه سازی (Particle Swarm

 Optimization) PSO اشاره می شود:

 

• Particle: درالگوریتم(Particle Swarm Optimization) PSO ، هر Particle معرف یک راه حل بالقوه برای یک مسئله بهینه سازی است، که در نهایت بهترین راه حل، مقدار بهینه برای تابع هدف را تعیین می کند. [در این تحقیق یک Particleمجموعه ای از پارامترهای مدل است که در نهایت بهترین آن بیشترین ضریب Nash-Sutcliffe را معرفی خواهد نمود.]

 

• Swarm: به مجموعه particle ها که در هر مرحله ساخته می شوند گفته می شود. [در لغت به معنی دسته حشرات است.]

 

• Position: معرف بردار موقعیت هر particle است که وضعیت آن را در swarm مشخص می کند.

 

• Velocity: معرف برداری است که سرعت و جهت حرکت particle را در swarm مشخص می نماید.

 

• Iteration: معرف تعداد تکرارها و مراحل الگوریتم PSOاست.

 

• Pbest: معرف بهترین موقعیت یکparticle یا (مجموعه پارامترها) در هر مرحله نسبت به موقعیت های پیشین آن است.

 

• Gbest: معرف موقعیت بهترین particle در هر iteration است.

 

• w: پارامتر وزنی الگوریتمPSO موسوم به اینرسی وزنی (inertia weight) است.

 

• و : دو ضریب ثابت و مثبت هستند که به ترتیب پارامترهای شناختی(cognitive) و اجتماعی (social) خوانده می شوند. [به این دو پارامتر در مجموع ضرایب شتاب             acceleration coefficients)) گفته می شود.]

 

• (chi): فاکتور انقباض یا فاکتور محدود سازی constriction factor)) است که متناوباً به همراه برای محدود کردن سرعت به کار می رود.

در مورد مفاهیم مورد استفاده در مدل بارش- رواناب ARNO با توجه به کثرت پارامترهای موجود، در این جا صرفاً به توضیح مختصر درباره مفاهیم کلی اکتفا کرده و در ادامه به تفصیل به بررسی پروسه های موجود درآن پرداخته می شود:

 

1. تبخیر و تعرق پتانسیل ((evapotranspiration: معرف میزان آبی است که به صورت تبخیر           evaporation)) و تعرق (transpiration)، در صورت در دسترس بودن آب کافی، از سطح حوضه تبخیر می شود. میزان آن با توجه به دما و پارامترهای دیگری نظیر باد و میزان تابش خورشید (radiation) قابل محاسبه است. در این تحقیق تبخیر و تعرق پتانسیل از روش Thornthwaithe محاسبه گردیده است که متعاقباً به شرح آن پرداخته خواهد شد.

 

1. ضریب کارآیی (ضریب Nash & Sutcliffe): این ضریب معمولاً به منظور ارزیابی قدرت یک مدل در پیش بینی مورد استفاده قرار می گیرد و با توجه به این که خروجی مدل در این تحقیق رواناب روزانه است، می توان این ضریب را به صورت زیر تعریف کرد:

(2-1)
که در آن دبی مشاهداتی، دبی برآورد شده (یا شبیه سازی) توسط مدل و میانگین دبی مشاهداتی و N تعداد داده ها است. همان طور که مشاهده می گردد صورت این کسر در حقیقت معرف مجموع مربعات اختلاف بین دبی های مشاهداتی و محاسباتی است. چنان چه این دو هیدروگراف کاملاً بر یکدیگر منطبق باشند (در حالت ایده آل) صورت کسر صفر گردیده و ضریب در این حالت برابر 1 می شود. دامنه این ضریب ما بین و 1 است.
همان طور که گفته شد تابع هدف به منظور بهینه سازی در این تحقیق ضریب کارآیی لحاظ شده و می توان گفت که الگوریتم PSO به دنبال بهترین ضریب کارآیی است و از آن جایی که مخرج این کسر همواره عدد ثابتی است، لذا در حقیقت مینیمم شدن صورت کسر مد نظر ما است و این همان مفهومی است که در کتابهای مرجع آمار روش حداقل مجموع مربعات (method of least squares) نامیده می شود و در آمار برای به دست آوردن رگرسیون غیر خطی (بهترین برازش (fitness)) از این روش استفاده می گردد.

 

• منحنی هیپسومتری (Hypsometric curve): توضیحی است از رابطه تجمعی موجود بین ارتفاع و مساحت های مرتبط با هر یک از بازه های ارتفاعی. محور عمودی مقادیر ارتفاع حوضه را نشان می دهد و محور افقی منحنی مزبور، مساحت نقاطی از حوضه را نشان می دهد که ارتفاع آنها بزرگتر یا مساوی ارتفاع یاد شده باشند. به این ترتیب در منحنی هیپسومتری کمترین ارتفاع حوضه با مساحت کل حوضه آبریز متناظر است و ارتفاع مربوط به بلندترین نقطه حوضه در این منحنی با صفر متناظر می گردد، لذا می توان گفت که منحنی هیپسومتری یک منحنی اکیداً نزولی است. [می توان این منحنی را به صورت بی بعد (با در صد مساحت) هم بیان نمود.] این منحنی یک تفسیر کمی از وضعیت توپوگرافی منطقه ارائه می دهد و چنان چه مشاهده خواهد شد در برآورد تبخیر و تعرق پتانسیل و هم چنین محاسبه ذوب برف از آن استفاده خواهد گردید.

2-2- انواع مدل های هیدرولوژیکی شبیه سازی
بر اساس یک طبقه بندی از انواع مدل های هیدرولوژیکی، مدل ها به دو دسته مدل های غیرقطعی ((stochastic و مدل های قطعی (deterministic) تقسیم بندی می شوند. مدل های غیر قطعی در حقیقت روشی هستند برای برآورد توزیع های احتمالاتی از خروجی ها با در نظر گرفتن تغییرات تصادفی   (random variation) برای یک یا چند متغیر ورودی. کلی ترین نمایش این متغیرها در یک میدان تصادف (random field) است. میدان تصادف محدوده ای است از مکان و زمان که مقدار متغیر در هر نقطه از آن محدوده با یک توزیع احتمال تعریف می گردد. در یک مدل قطعی (جبری) از عنصر یا جزء تصادفی آن صرف نظر می شود. هر ورودی ثابت دارای یک خروجی ثابت است. می توان مدل های قطعی را برای “پیش بینی به صورت تقویمی” یعنی تعیین زمان وقوع در آینده معین (forecast) [پیش یابی] و مدل های غیر قطعی را برای پیش بینی (prediction) (بدون تعیین زمان واقعی وقوع در آینده) مطرح کرد.
تمام پدیده های هیدرولوژیکی کمابیش دارای مقداری تصادف randomness)) هستند، در مواقعی که نوسانات حاصل در خروجی کوچک و یا صرف نظر کردنی باشد، استفاده از یک مدل قطعی می تواند مناسب باشد. در غیر این صورت استفاده از یک مدل غیر قطعی ضروری است.
با در نظر گرفتن این نوع طبقه بندی مدل بارش رواناب روزانهARNO به دسته مدلهای قطعی deterministic)) تعلق دارد.
از نظر پیچیدگی، سه نوع مدل وجود دارد که به ترتیب عبارت اند از تجربی (black box)، مفهومی (grey box) و فیزیکی (white box) ]ََ. این مدلها از یک مدل ساده یکجا (lumped) برای برآورد رواناب طراحی تا یک نمایش توزیعی از پروسه های متعدد، بر اساس قانون بقای جرم و انرژی متغیر بوده اند. این مدل ها به طور کلی مجموعه ای وسیع از مدل های دیفرانسیلی توزیعی را شکل می دهند و از این جهت غالباً تحت عنوان مدلهای پایه فیزیکی (physically based) نامگذاری می گردند که پارامترهای مربوطه باید به وسیله اندازه گیری های میدانی انعکاس یابند [Beven,1989]. با توجه به طبیعت این نوع مدل ها، استفاده از آنها جهت بررسی آثار تغییر کاربری اراضی، فرسایش خاک، تعامل آبهای سطحی و زیرزمینی و غیره کاربرد دارد، این در حالی است که به منظور بررسی پروسه های بارش- رواناب معمولی در مقیاس حوضه، مناسب نبوده و کمتر مورد استفاده قرار می گیرند. [Todini, 1996]
ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است

 

متن کامل را می توانید دانلود نمائید

 

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

 

ولی در فایل دانلودی متن کامل پایان نامه

 

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

 

موجود است