بخشی از مقاله
چکیده
از ابزارهای قوی و توانا که در مدیریت منابع آب حوزههای آبریز در سالهای اخیر، کاربرد وسیعی پیدا کرده است، شبکه-های عصبی مصنوعی میباشد از این سیستمها در بررسیهای کیفیت آبهای سطحی و زیرزمینی، تخمین مشخصات فیزیکی حوزههای آبریز، بررسیهای کمی و کیفی منابع آب سطحی نظیر تخمین رواناب ناشی از بارش و تهیه نقشههای پهنه سیلاب، بررسی شرایط هیدرولیکی جریان آب در آبخوانها، تخصیص منابع و تعیین مسیرهای بهینه استفاده شده است .
در تحقیق حاضر با توجه به تغییرات سیلاب بدلیل احداث سد و پایین افتادگی تراز سطح آب و درنتیجه آثار احتمالی بر پهنههای سیلاب دشت رودخانه کرخه برای یک بازه وسیعحدوداً 150 کیلومتری از پای پل تا حمیدیه، مطالعات انجام گردید. درنهایت مشخص شد که شبکه عصبی در مجموع قادر به پیشبینی و مدلسازی حریم رودخانه میباشد و تغییر در معماری شبکه، به تغییر در کیفیت پیشبینی منجر خواهد شد.
-1 مقدمه
سیل به وضعیتی اطلاق میشود که در آن جریان بصورت غیر منتظرهای افزایش پیدا کرده بطوریکه باعث خسارات مالی و جانی میگردد. از معمولترین روشهای کنترل سیل احداث سد های مخزنی است. این امر خواه نا خواه موجب تغییر تراز آب در رودخانه و تغییرات طولی و عرضی بستر میگردد. این تغییرات بهطور کلی بدین شکل است که بدلیل ذخیره آب در مخزن سد، سطح آب به طور فاحشی بالا آمده و تراز در پایین دست از حدود متعارف خود پایین تر میافتد. با توجه به رسوبزایی رودخانه کرخه با احداث سد مخزنی کرخه بی تردید مقدار رسوبات اعم از بار معلق و بار کف در بازه بعد از محل سد بهشدت کاهش مییابد.
این امر از آنجا که موجب تغییر مقاطع عرضی رودخانه میشود، در زمان وقوع سیلاب بسیار مشهود خواهد بود. تجربیات جهانی مشخص میکند که احداث سد و سازههای هیدرولیکی بر روی رودخانهها علاوه بر تنظیم جریان، مقدار اراضی زیر آب رفته در سیلابها را نیز تغییر میدهد.
بررسی این تغییرات در مقایسه با شرایط قبل از احداث سد مخزنی یکی از مسائل عمده و حساس در مدیریت هیدرولیکی رودخانه در پایین دست سد مخزنی از لحاظ کاربری اراضی حاشیه رودخانه میباشد. با توجه به اهمیت و حساسیت امر مدیریت آبهای سطحی خصوصاً در کشور ما که اکثر رودخانههای مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد، نیاز به شناسایی و به مدل درآوردن رفتار رودها و شریانهای آبی جهت برنامهریزیهای بلندمدت و استفاده بیشتر و بهتر از پتانسیلهای آنها عمیقاً احساس میشود.
جدیدالتاسیس بودن بیشتر ایستگاههای هیدرومتری، نواقص موجود در آمار اکثر این ایستگاهها، قرارگرفتن بیشتر رودها در مناطق خشک، وضعیت بحرانی برداشت آبهای زیرزمینی و لزوم توجه بیشتر به آبهای سطحی همه و همه دلایل بیشتر و ظریفتری میباشد که به مقوله بررسی روشهای نوین در علوم کاربردی پرداخته میشود.
شبکه عصبی مصنوعی نامی نوین در علوم مهندسی است که بهطور ابتدایی و آغازین درسال 1962 توسط فرانک روزن بلات و در شکل جدی و تأثیرگذار با ابداع و ارائه مدل پرسپترون بهبود یافته به جهان معرفی شد. این شیوه از ساختاری نرونی و هوشمند با الگوبرداری مناسب از نرونهای موجود در مغز انسان سعی می کند تا از طریق توابع تعریف شده ریاضی رفتار درونسلولی نرونهای مغز را شبیهسازی کند و از طریق وزنهای محاسباتی موجود در خطوط ارتباطی نرونهای مصنوعی، عملکرد سیناپسی را در نرونهای طبیعی به مدل در آورد.
ماهیت و ذات تجربی و منعطف این روش باعث میشود تا در مسائلی مانند مقوله پیش بینی که یک چنین نگرشی در ساختار آنها مشاهده میشود و از رفتاری غیرخطی و لجام گسیخته برخوردار هستند، به خوبی قابل استفاده باشد.
-2 پیشینه پژوهش
نخستین کاربرد عملی شبکههای عصبی در اواخر دهه 50 قرن بیستم مطرح شد، زمانی که فرانک روز نبلات در سال 1958 شبکهای ساختند که قادر بود الگوها را از هم شناسایی نماید. در همین زمان بود که برناردویدرو در سال 1960 شبکه عصبی تطبیقی خطی آلادین را با قانون یادگیری جدید مطرح نمود که از لحاظ ساختار شبکه پرسپترون بود.
هر دوی این شبکهها،پرسپترون و آلادین ، دارای این محدودیت بودند که توانایی طبقهبندی الگوهایی را داشتند ، که به طور خطی از هم متمایز میشدند.
امروزه برخی از اقدامات رایج در رابطه با سازههای هیدرولیکی در بستر رودخانهها را میتوان شامل احداث سازههای متقاطع مانند پل، بند انحرافی، سد مخزنی، ساختوساز در بستر و کاهش عرض، برداشت مصالح از بستر، احداث سازههای جنبی مانند آبگیری، پمپاژ، اسکله و بارانداز، تأسیسات پرورش ماهی و تصفیهخانه و تغییر مسیر و محدودسازی بستر دانست که همگی باعث تغییرات تراز سطح آب و بهتبع آن تغییر حریم رودخانه میشوند .
بردلی و اسمیت [5]، بیان کردند که هر یک از این اقدامات بدون در نظر گرفتن اثرهای متقابل با رودخانه، منجر به حوادث بحرانساز پیشبینی نشده خواهد شد که امروزه شاهد نمونههایی از این گونه پروژهها و خسارات و زیانهای ایجادشده میباشیم.
گولر و همکاران [6]، از تکنیک منطق فازی برای پهنهای در سواحل ترکیه استفاده کردند، آبهای زیرزمینی و تغییرات کیفی در منطقه محل بحث بود.
کین و همکاران [7]، شبیه همین مطالعات را در منطقهای در چین انجام دادند با این تفاوت که از تکنیک شبکه عصبی مصنوعی استفاده کردند. لیو و همکاران [8]، از منطق فازی برای ارزیابی زمینهای کشاورزی استفاده کردند. مطالعه آنها نشان داد با تغییراتی در مدل منطق فازی میتوان از دقت %73 به%93 دست یافت. آنها حلالیت مواد خاص در زمین را بهعنوان معیاری جهت ارزیابی زمین کشاورزی در نظر گرفته بودند.
بدیهی است که از ویژگی رودخانههای طبیعی، مقطع عرضی ناهمگون و به نوعی، مرکب آنهاست. ساهو وهمکاران [10]، از شبکه عصبی جهت پیشبینی جریان در مقاطع مرکب استفاده کردند و نتایج خود را با مقادیر بهدست آمده از طریق روش-های مرسوم سنتی، مقایسه کردند. آنها با تعریف یک پارامتر خطا به نام MAPE، کارایی شبکه عصبی در این رابطه را مناسب توصیف کردند.
در سطح ملی نیز کم و بیش مطالعاتی در این رابطه انجام شده است. عبدویس و آخوند علی[1]، در مطالعه خود به بررسی تغییرات تراز سطح آب ناشی از تغییرات مورفولوژی رودخانه کارون پرداختند.
مطالعه ی آن ها نشان داد که تراز سطح کف رودخانه، به دلیل رسوب گذاری و تغییرات مورفولوژیکی بالا آمده است. داور پناه [3]، با بررسی تغییرات پایاب زنجانرود تأثیر عوامل طبیعی و دخالت انسانی را ازجمله دلایل فرسایش بستر و سواحل در رودخانهها و بر هم زدن تعادل موجود در آن ها بیان می دارد.
از آن جا که رودخانهها و سازههای احداثی برای ساماندهی، با زمین بستر در ارتباط هستند، در نتیجه بررسی واکنش متقابل زمین و سازه در زمان احداث و بهره برداری از سازههای مورد نظر، حائز اهمیت فراوانی است. به عبارت دیگر طراحی و احداث هر نوع سازه در طبیعت باید به گونه ای انجام شود که تعادل متقابل سازه و شرایط زمینشناسی به وجود آید
ازجمله مطالعات دیگری که بر روی سدها و اثرات آن ها بر پایین دست انجام شده است میتوان به مطالعه شادمانی، در تقسیم بندی مورفولوژیک تاتیر احداث سد بر رودخانههای پایین دست اشاره کرد.
-3 منطقه موردمطالعه
رودخانه کرخه از مناطق میانی و جنوب غربی رشته کوههای زاگرس در نواحی غرب و شمال غرب کشور سرچشمه گرفته و پس از طی مسافتی در حدود 900 کیلومتر در امتداد شمال به جنوب، سرانجام در مرز مشترک ایران و عراق به مرداب هورالعظیم میرسد. رودخانه کرخه پس از رودخانههای کارون و دز سومین رودخانه بزرگ ایران از نقطه نظر آبدهی محسوب میشود.
حوزه آبریز رودخانه کرخه به وسعت حدود 43 هزار کیلومتر مربع ، بین 46 درجه و 57 دقیقه تا 49 درجه و 10 دقیقه طول شرقی و 31 درجه و 48 دقیقه تا 34 درجه و 58 دقیقه عرض شمالی واقع شده است و شامل استانهای همدان، کرمانشاه، کردستان، ایلام، لرستان و خوزستان میباشد.
سرشاخههای اصلی تشکیل دهنده رودخانه کرخه، رودخانههای سیمره، کشکان، قره سو، گاماسیاب و چرداول هستند. یکی از مشخصههای طبیعی رودخانه کرخه احتمال وقوع سیلاب و خطرات ناشی از آن است.
سد مخزنی و نیروگاه برقآبی کرخه در فاصله 24 کیلومتری شمال غرب اندیمشک در استان خوزستان در جنوب غربی ایران احداث گردیده است.
برای آموزش شبکه از 156 داده موجود 30 درصد کنار گذاشته شد و 70 درصد آن برای آموزش بکار گرفته شد. روند نزول کمیت میانگین مربع خطا - MSE - پس از 5478954 سیکل آموزش بر روی عدد 0.01 ثابت میشود که عدد مطلوبی است که این شبکه نتایج مورد انتظار ما را فراهم میآورد.
برای یادگیری وزن های یک شبکه چند لایه از روش Back Propagation استفاده میشود. در این روش با استفاده از gradient descentسعی میشود تا مربع خطای بین خروجی های شبکه و تابع هدف مینیمم شود.
مراد از outputs خروجیهای مجموعه واحد های لایه خروجی وtkd و okd مقدار هدف و خروجی متناظر با k امین واحد خروجی و مثال آموزشی d است.
فضای فرضیه مورد جستجو در این روش عبارت است از فضای بزرگی که توسط همه مقادیر ممکن برای وزنها تعریف می-شود. روش gradient descent سعی میکند تا با مینیمم کردن خطا به فرضیه مناسبی دست پیدا کند. اما تضمینی برای اینکه این الگوریتم به مینیمم مطلق برسد وجود ندارد.
معمولا الگوریتم BP پیش از خاتمه هزاران بار با استفاده همان دادههای آموزشی تکرار میگردد شروط مختلفی را میتوان برای خاتمه الگوریتم بکار برد
