بخشی از مقاله
مقدمه:
مطالعات سيل به منظور برنامه ريزي، بهره برداري بهينه و مديريت اين پديده طبيعي از جمله مسائل مهم درمديريت منابع آب است. محاسبه ميزان سيالب مستلزم در اختيار داشتن روابط و مدلهايي جهت شبيه سازي فرايند بارشBرواناب مي باشد. بر اساس آمار منتشرشده در ميان بالياي طبيعي، سيل بيشترين تلفات و خسارتها را به جوامع بشري وارد آورده است. بررسي تغييرات ژئوموفولوژيكي مجاري رود، و سيالبي شدن برخي از آن ها، به علت تغييرات قابل توجه كاربري در بستر رودخانه به دليل دخالت انسان به وجود آمده است . - Jam es,1999 -
بررسي آمار و اطالعات خسارات ساالنه ناشي از وقوع سيالبها در جهان بيانگر گستردگي صدمات ناشي از سيالب به منابع طبيعي، انساني و اقتصادي مناطق مختلف ميباشد. لذا تدوين برنامه هاي جامع با هدف مهار، كنترل و بهره برداري بهينه با اعمال اقدامات مديريتي، متناسب با كليه عوامل دخيل در ايجاد و طغيان سيالبهاي منطقه اي ضروري ميباشد. عوامل متعددي در بروز سيل در مناطق مختلف مؤثر است، كه ازجمله اين عوامل مي توان به ويژگي هاي توپوگرافيك، مورفولوژي رودخانه و فعاليت هاي بشري اشاره كرد . - Brooks,1981 -
از اين رو كنترل و مقابله با سيل و شناخت عوامل و پارامترهاي مؤثر بر سيالب اهميت بسيار زيادي دارد . - Smith,1992 - طراحي، ساخت و بهره برداري از بسياري از پروژه هاي هيدروليكي نياز به دانش كافي از تنوع و تغييرات رواناب حوضه آبريز، و براي بسياري از اين مشكالت اين امر مي تواند ايده آل بوده به دانستن اندازه دقيق و زمان واقعي وقوع جريان در طول دوره ساخت و ساز و عمراقتصادي پروژه است.
درصورت محدوديت داده و يا فاقد اطالعات آماري، درک كمي و پيش بيني فرآيند توليد رواناب و انتقال آن به خروجي نشان دهنده يكي از مناطق چالش برانگيز هيدرولوژي است. تكنيك هاي سنتي براي تخمين سيالب وجود دارد كه شامل روش هاي منطقي، روش هاي تجربي، فركانس سيل، تكنيك هاي هيدروگراف واحد و مدل هاي آبخيز مي باشد.
مدل هاي بارش- رواناب يكي از روش هاي تخمين رواناب و ابزاري مناسب براي مطالعه فرايندهاي هيدرولوژيكي و ارزيابي منابع آبي مي باشند. دو كاربرد مهم مدل هاي بارش- رواناب پيش بيني سيالب و شبيه سازي فرايندهاي هيدرولوژيكي است. با توجه به اينكه فرايند بارشرواناب- فرايندي كامالً غيرخطي و از نظر زماني و مكاني كامالً تصادفي است و عوامل مختلف اقليمي - شكل بارش، شدت، مدت و دوره بارش، پراكنش شدت در مدت بارش، تبخير و غيره - به همراه خصوصيات فيزيكي حوضه - شيب، مساحت، شكل حوضه،پوشش گياهي وغيره - در اين فرايند نقش دارند؛ و تشريح آن با مدلهاي ساده و خطي به راحتي امكان پذير نبوده،با خطاي زيادي همراه است.
با توجه به پيشرفت هاي چشمگيري كه در زمينه هاي مختلف هوش مصنوعي و شبكه هاي عصبي ايجاد شده است، توجه بسياري از محافل علمي جهان در زمينه هاي مختلف علمي ومهندسي را به خود جلب كرده و به ابزارهاي پيش بيني افزوده شدهاند كه نتايج قابل قبولي هم در زمينه هاي كاربردي مختلف از خود نشان داده اند.
استفاده از روش شبكه هاي عصبي به عنوان رويكردي نو در مطالعات اقليم شناسي و هيدرولوژي از اهميت زيادي برخوردار شده است و نسبت به ساير روشها از جمله تحليل سري هاي زماني نتايج مطلوب تري را در پيشبيني مقادير متغيرهاي جوي مانند بارش و دما دارد. شبكه عصبي مصنوعي يك شبيه سازي از دستگاه عصبي طبيعي است و شامل مجموعه اي از واحدهاي عصبي به نام نرون است كه توسط ارتباطاتي موسوم به اكسون به هم متصل شده اند.
اين شبكه داراي يك سري ويژگي هايي هستند كه شايد دليل اصلي استفاده روز افزون آنها در بين پژوهشگران علوم مختلف باشد. عمده ترين اين ويژگي ها رامي توان قابليت يادگيري، تعميم، پردازش موازي، مقاوم بودن و پراكندگي اطالعات - پردازش اطالعات به صورت متن - نام برد - منهاج، - . در دسترس بودن اطالعات پيوسته بارش و ساير پارامترهاي اقليمي كه مي توانند براي پيشبيني مقدار جريان مورد استفاده شوند، شروع خوبي براي شبيه سازي پديده بارش - رواناب به شمار مي رود. با توجه به محدوديت هاي ابزار و فنون اندازه گيري پارامترهاي آب شناختى و نيز محدوديت اطالعات موجود، شبيه سازي فرآيند بارش- رواناب امري اجتناب ناپذير مي باشد.
مدل سازي هيدرولوژيكي يك ابزار معمول براي برآورد پاسخ هيدرولوژيكي حوضه به دليل بارش است. انتخاب مدل بستگي به حوضه و هدف پيش بيني هيدرولوژيكي در حوضه دارد - Hunukumbura et al.,2008غالباً. فرآيندهاى پيش بينى نيازمند به روابط رياضى مى باشند. اين روابط رياضى در قالب مدل جاى مى گيرند. امروزه استفاده از مدل ها در شبيه سازي بارش-رواناب براي دسترسي به خصوصيات سيالب از قبيل زمان رسيدن به دبي و زمان اوج متداول شده است. اين مدل ، حوضه آبخيز را به عنوان يك سيستم بهم پيوسته با مولفه هاي هيدرولوژيكي و هيدروليكي نمايش مي دهد. هر مولفه مدل يك جنبه از فرايند بارش -رواناب را در داخل بخشي از حوضه كه معموالً به عنوان زيرحوضه در نظر گرفته ميشود شبيه سازي مي كند.
مدل HEC-HMS - مركز مهندسي و سيستم مدل سازي هيدرولوژي - توسط مهندسين ارتش اياالت متحده امريكا توسعه داده شده است - Feldman,2000 - كه مي تواند براي بسياري از شبيه سازي هاي هيدرولوژيكي مورد استفاده قرار گيرد. اين مدل نسخه توسعه يافته HEC-1 و تحت ويندوز است كه براي شبيه سازي پاسخ رواناب سطحي يك حوضه آبخيز نسبت به بارندگي هاي معين طراحي شده است HEC-1. يك مدل حوضه رياضي است كه شامل چندين روش براي شبيه سازي رواناب سطح و جريان رودخانه/ مخزن در حوضههاي رودخانه مي باشد.
مدل هيدرولوژيكي همراه با محاسبات آسيب سيل - كه در مدل نيز موجود است - پايه اي براي ارزيابي پروژه هاي كنترل سيل فراهم مي كند. مدل هيدرولوژيكي HEC-1 در ابتدا در سال 1967 توسط لئوربرد و ديگر كاركنان مركز مهندسي هيدرولوژي با مهندسين ارتش ارتش اياالت متحده براي شبيه سازي هيدروگراف هاي سيالب در حوضه هاي رودخانه اي پيچيده - Singh,1982 - در سال 1967 توسعه يافت.
مدل مي تواند براي تحليل سيالب هاي شهري، فركانس سيل، برنامه ريزي هشدار دهنده سيل، ظرفيت سرريز مخزن، بازسازي جريان و غيره مورد استفاده قرار گيرد - . - U.S. Army Corps of Engineers, 2008 اين مدل داراي چهار جزء اصلي: - 1 يك مدل تحليلي براي محاسبه رواناب جريان زميني و همچنين مسيريابي كانال، - 2 يك رابط كاربر گرافيكي پيشرفته كه مولفه هاي سيستم هيدرولوژيكي را با ويژگي هاي تعاملي نشان مي دهد، - 3 يك سيستم براي ذخيره و مديريت داده ها، به طور خاص مجموعه داده هاي بزرگ متغير با زمان، - 4 براي نمايش و گزارش خروجي هاي مدل است . - Bajwa and Tim, 2002 - در مجموع هفت روش مختلف در HEC-HMS ارائه شده است.
برخي از اين روش ها پيچيده هستند كه نياز به ورودي هاي بيشتري دارند كه براي بيشتر حوضه هاي فاقد آمار دسترس نيستند. هيدروگراف واحد اشنايدر - - Yilma and Moges, 2007; Hunukumbura et al., 2008; Fang et al., 2005 و هيدروگراف واحد كالرک - Cunderlik and Simonovic, 2010; Straub et al., 2000; Banitt, 2010 - روش هاي هستند كه با موفقيت به شبيه سازي جريان هاي دراز مدت به كاربرد شده است . - Halwatura and Najim, 2013 -
بنابراين در اين مطالعه جهت فرايند مدل سازي هيدرولوژيكي با استفاده از روش شماره منحني سازمان حفاظت خاک آمريكا - scs - ، در HEC HMS 3.5 براي واسنجي و ارزيابي آن در شبيه سازي جريان استفاده شده است و به همين صورت جهت شناسايي توانايي شبكه عصبي مصنوعي در برآورد و شبيه سازي جريان از مدل MLP براي مدلسازي بارش- رواناب در حوضه كن استفاده گرديد.
