بخشی از مقاله
چکیده
برآورد مقدار مواد رسوبی که یک جریان مشخص قادر به حمل آن است یکی از موضوعات اصلی تحقیقات رسوب می باشد که در بسیاری از پروژه های مهندسی همچون برنامه ریزی و طراحی منابع ذخیره آب، مورفولوژی و تغییرات بستر رودخانه ها، برآورد رسوب سالیانه برای آبگیری رودخانه ها، طراحی و نگهداری کانال های آبیاری پایدار، حفاظت سواحل، لایروبی کانال ها و ... حائز اهمیت می باشد. با پیش بینی مقدار رسوبات منتقل شده یک رود می توان رودخانه را طوری طراحی کرد تا ضریب تهنشین شدن رسوب و پر شدن رودخانه و کاهش ظرفیت انتقال آن، کمتر شود. تاکنون روش های نظری و تجربی مختلفی بمنظور برآورد بار کل، بار بستر و بار معلق در یک رودخانه، گسترش یافته است. در سال های اخیر از روش های هوش مصنوعی برای مدل کردن پدیده بار معلق رسوب استفاده شده است.
با معرفی علم منطق فازی می توان عدم دقت های موجود در سیستم یک پدیده پیچیده را بصورت جزئی از مدل معرفی کرده و به نتایج بهتری دست یافت. در این مقاله، هم از روش سیستم استنتاج فازی و هم از روش منحنی سنجه برای تخمین بار معلق رسوب رودخانه قره سو واقع در استان اردبیل استفاده شده که روش فازی در مقایسه با روش منحنی سنجه نتیجه بهتری داده است. برای دستیابی به بهترین حالت چندین مدل مختلف با ورودی های مختلف، توابع مختلف و قوانین موجود بر اساس فیزیک مسئله و خصوصیات حوضه در نرم افزار MATLAB با استفاده از برنامه FIS ساخته شده که نتایج حاصل حاکی از حساسیت نوع و تعداد توابع عضویت و قواعد ساخته شده می باشند.
واژههای کلیدی : برآورد بار معلق ، سیستم استنتاج فازی FIS ، منحنی سنجه ، رودخانه قره سو
مقدمه
مهمترین عامل محدود کننده و تعیین کننده عمر مفید سدها و تأسیسات آنها وکاهش ظرفیت انتقال آب رودخانهها ، مقدار رسوبات تهنشین شده و نحوه توزیع آنها میباشد .تعدد روابط تجربی ارائه شده، اصلاح آنها و ارائه ضرایب جدید واسنجی معادلات نشان میدهد، هنوز روش تحلیلی یا تجربی مناسبی که بر اساس آن به تخمین درستی از میزان رسوبات حمل شده توسط جریان دست یافت ارائه نشده است. به همین دلیل به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان رسوبات حمل شده توسط رودخانهها از دادههای همزمان اندازهگیری شده دبی- دبی رسوب در ایستگاههای هیدرومتری استفاده و نتایج اخذ شده با روشهای آماری مورد تجزیه و تحلیل قرار میگیرند. در روشهای معمول آماری با برازش یک تابع مناسب توانی از میان دادهها رابطه بین دبی جریان و دبی رسوب محاسبه و بر این اساس مقادیر رسوبات حمل شده توسط جریان محاسبه میگردد.
این روشها توان تفکیک ویژگیهای خاص دادههای جمع آوری شده را نداشته و از این جهت نه تنها برآورد چندان دقیقی از میزان رسوبات حمل شده توسط جریان ارائه نمیدهد، بلکه امکان بررسی تغییرات زمانی رسوبات حمل شده توسط جریان نیز در آنها وجود ندارد. امروزه شبکه های غیر خطی به عنوان یکی از سیستم های هوشمند در پیش بینی یک چنین پدیده های پیچیده بسیار مورد استفاده قرار می گیرند. روشهای بدیع شبکه عصبی و منطق فازی از چنین سیستم هائی می باشند . در این تحقیق ابتدا با استفاده از روش منطق فازی به تخمین میزان رسوب رودخانه قره سو پرداخته شده است. سپس نتایج حاصل از این روش با روش رگرسیون آماری مقایسه گردید .این بررسی نشان داد، روش فازی نسبت به روش های معمول آماری، برآوردنسبتاً دقیقتری از میزان رسوبات حمل شده ارئه نموده و با مقادیر مشاهداتی تطابق بهتری داشته است.
مروری بر تحقیقات گذشته
منطق فازی در سال 1965 میلادی توسط دکتر لطفی عسگرزاده تولد یافت .در سال 1972 میلادی میشیو از انستیتو تکنولوژی توکیو نظرات زاده را با ارائه مفاهیم اندازه فازی و انتگرال فازی تعقیب نمود .در سال 1974 ابراهیم ممدانی از دانشگاه لندن برای نخستین بار منطق فازی را در زمینه کنترل یک موتور بخار ساده بکار گرفت .با این کار اولین کاربرد صنعتی منطق فازی پس از شش سال به منصه ظهور رسید .در سال 1984 میلادی اسمیت از دانمارک برای نخستین بار از منطق فازی برای کنترل کوره سیمان استفاده کرد .در دهه1980 میلادی، مؤسسه فوجی الکتریک منطق فازی را برای کنترل فرآیند تصفیه آب بکار گرفت .متعاقب آن شرکت هیتاچی ژاپن یک سیستم کنترل خودکار قطار را بر مبنای منطق فازی توسعه داد .
شایان ذکر است که در اوایل دهه 1990 میلادی ژاپنیها در زمینه کاربرد منطق فازی پیشتاز بودند .در اوایل دهه 1990 میلادی، منطق فازی در ساخت محصولات الکتریکی خانگی به کار گرفته شد و عموم نیز در مورد سیستمهای فازی آگاهی یافتند .امروزه منطق فازی جایگاه ویژهای در صنایع مختلف پیدا کرده و شاهد توسعه روز افزون این منطق در زندگی روزمره میباشیم .تحقیقات نسبتا زیادی در مورد کاربرد سیستمهای فازی در علوم مهندسی صورت گرفته است از کارهای انجام شده در زمینه مهندسی علوم آب با استفاده از سیستمهای فازی میتوان به مواردی همچون مدلسازی خشکسالی، مدیریت مخازن، برآورد رسوب، پیشبینی هوا، پیشبینی سیلاب، فرآیند بارش - رواناب و پیشبینی جریان رودخانه اشاره کرد.
مواد و روشها
سیستم استنتاجی فازی - 1 - FIS
نظریه مجموعه های فازی یک نظریه نسبتا جدید ریاضی است که توسط دانشمند ایرانی تبار پروفسور لطفی عسگرزاده مشهور به - زاده - ارائه شده است، هدف این نظریه یافتن الگوهای ریاضی است که با نحوه تفکر واستنتاج انسانی و همچنین باالگوهای طبیعی و واقعی تطابق وسازگاری داشته باشد.هر چند این شاخه از علم بسیار جوان است اما هم از جنبه نظری وهم از جنبه کاربردی پیشرفت های شایانی در آن انجام گرفته است. واژه فازی در لغت به معنای نامفهوم و نامشخص است و برای توصیف پدیده های غیر قطعی و نامشخص به کار میرود. منطق فازی ابزاری توانمند جهت حل مسائل مربوط به سیستمهای پیچیدهای که درک آنها مشکل و یا مسائلی که وابسته به استدلال، تصمیم گیری و استنباط بشری می باشند، به شمار می-آید. .
انتخاب یک روش و رویکرد مناسب برای مدلسازی یک سیستم، کاملا بستگی به میزان پیچیدگی آن سیستم داشته و پیچیدگی نیز ارتباط معکوسی با میزان دانش و شناخت ما از آن سیستم دارد .واضح است که انسان تمایل دارد یک سیستم را با بیشترین دقت ممکن مدلسازی نماید، اما چنانچه شناخت کافی نسبت به آن نداشته باشد مجبور است که دقت مورد انتظار از مدل را با میزان شناخت خود از سیستم منطبق نماید .به طور کلی یک مدل فازی از سه بخش فازی سازی، سیستم استنتاج فازی و غیر فازی سازی تشکیل شده است .با توجه به اینکه در اغلب کاربردها، ورودی و خروجی سیستم فازی اعداد حقیقی هستند، ما باید واسطه هایی بین موتور استنتاج فازی و محیط بوجود بیاوریم .
این واسطهها همان فازی سازها و غیرفازی سازها میباشند .عمل فازی سازی با استفاده از توابع عضویت انجام میگیرد .تابع عضویت مقدار فازی بودن یک کمیت را مشخص میکند و در واقع میزان درجه عضویت المانهای مختلف را به یک مجموعه نشان دهد، که این میزان تعلق به مجموعه با عددی بین صفر تا یک مشخص میگردد .غیر فازی سازی در واقع عکس عمل فازی سازی است و نتایج حاصل از استنتاج فازی را که به صورت فازی یعنی اعدادی بین صفر و یک است را به اعداد حقیقی تبدیل میکند .به طور کلی سیستم های فازی را می توان به خوبی برای مدل سازی دو نوع اصلی عدم قطعیت در پدیده های موجود در جهان به کار برد. نوع اول، عدم قطعیت ناشی از ضعف دانش و ابزار بشری در شناخت پیچیدگیهای یک پدیده میباشد.
به عنوان مثال برای اندازه گیری دمای هوای یک شهر ممکن است از یک یا چند دماسنج استفاده کنند و متوسط اعداد قرائت شده را به عنوان دمای هوای آن شهر اعلام کنند. اما واضح است که آن عدد، تقریبی از مقدار واقعی دمای شهر میباشد چراکه اولاً تنها چند نقطه از بینهایت نقاط موجود در فضای شهر در محاسبات دخالت داده شدهاند، ثانیاً خطای شخص اندازه گیر و همچنین دستگاه اندازه گیری باعث ایجاد عدم قطعیت در میزان دمای محاسبه شده میگردد. نوع دوم، عدم قطعیت مربوط به عدم صراحت و عدم شفافیت مربوط به یک پدیده یا ویژگی خاص میباشد. یعنی یک پدیده ممکن است ذاتاً غیر صریح و وابسته به قضاوت افراد باشد.
به عنوان مثال ویژگی "گرم بودن هوا" از نظر افراد مختلف متفاوت میباشد و هیچ تعریف واحدی برای آن وجود ندارد. بهطوری که یک نفر ممکن است دمای بالای 30 درجه را گرم بداند و فرد دیگری دمای بالای 40 درجهرا. تئوری مجموعه های فازی ابزار مناسبی جهت مدل سازی سیستم هایی است که دارای چنین ویژگیهایی میباشند مجموعه فازی A از مجموعه مرجع X ، مجموعه ای است که عناصر X هر کدام با درجه ای بین صفر و یک در آن عضوهستند. به تابعی که درجات عضویت هر عضو از X در A را نشان میدهد، تابع عضویت A در X گویند. نزدیکی مقدار درجه عضویت یک عضو در A به یک نشان دهنده تعلق بیشتر x به مجموعه فازی A است، بالعکس نزدیکی آن به صفر نشان دهنده تعلق کمتر x به مجموعه فازی A است.
استنتاج فازی، فرآیند فرموله کردن نگاشت ورودی داده شده به یک خروجی با استفاده از منطق فازی است.سیستم استنتاج فازی براساس قواعد اگر-آنگاه بنا نهاده شده است به طوری که با استفاده از قواعد مزبور میتوان ارتباط بین تعدادی متغیر ورودی وخروجی را به دست آورد. بنابراین از FIS میتوان به عنوان یک مدل پیش بینی برای شرایطی که داده های ورودی ویا خروجی دارای عدم قطعیت بالایی باشند استفاده نمود چرا که درچنین شرایطی روش های کلاسیک پیش بینی نظیر رگرسیون نمی توانند به خوبی عدم قطعیت های موجود در داده ها را در نظر بگیرند. به طور کلی گامهای یک سیستم استنتاجی فازی را می توان به صورت زیر بیان کرد:
o تعیین یک سیستم قاعده-بنیاد فازی بر اساس داده های مشاهده ای o فازی سازی بخش مقدم و تالی با استفاده از توابع عضویت فازی
oترکیب قسمت های مختلف بخش مقدم هر یک از قواعدوبه دنبال آن تعیین شدت و میزان تاثیر قاعده مزبور در خروجی نهایی سیستم
oترکیب بخش تالی قواعد، جهت به دست آوردن خروجی نهایی سیستم در قالب یک مجموعه فازی
