عنوان پایان‌نامه
مدلسازی دوبعدی لکه نفتی در دریا با کاربرد روشهای هوشمند
- رشته تحصیلی
- مهندس عمران- مهندسی محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1717;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 55778
- تاریخ دفاع
- ۳۰ شهریور ۱۳۹۱
- دانشجو
- میلاد شعبانیان
- استاد راهنما
- رضا غیاثی
- چکیده
- پس از انتشار نفت در دریا، اتخاذ تصمیمات پیچیده به منظور جلوگیری از تبدیل این حادثه به یک فاجعه طبیعی، امری ضروری می باشد. در این راه قابلیت پیش بینی حرکت لکه نفتی و تعیین مناطقی که تحت تأثیر آن قرار می گیرند می تواند به مدیریت بحران بسیار کمک نماید. در این تحقیق مدلسازی دو بعدی حرکت لکه نفتی در دریا با کاربرد روش¬های هوشمند مورد بررسی قرار گرفته است. برای توسعه این مدل هوشمند، روش استنتاج مورد مبنا (Case Based Reasoning) بعنوان چهارچوب اصلی مدلسازی انتخاب گردید و سعی شد با بررسی تکنیک¬های هوشمند موجود مناسب¬ترین سیستم¬ها جهت استفاده در بخش¬های مختلف روش استنتاج مورد مبنی مورد استفاده قرار-گیرد. در این مدل از ساختار نگاشت¬خود¬سازمانده (Self Organizing Map) جهت مدیریت اطلاعات و از شبکه¬های عصبی مصنوعی (Artificial Neural Networks) بمنظور پیش¬بینی نتایج استفاده شده است. مدل هوشمند توسعه داده شده قادر خواهد بود با در اختیار داشتن اطلاعات هیدرودینامیکی، جوی و نحوه حرکت و موقعیت لکه نفتی در یک منطقه مشخص، حرکت لکه نفتی در همان منطقه و در شرایط جدید را مورد بررسی قرار دهد. به منظور صحت سنجی مدل هوشمند تهیه شده، از داده¬های عددی مربوط به تست دو¬بعدی انتقال- انتشار پالس گوسی استفاده گردید. مقایسه نتایج مدل هوشمند و داده¬های عددی موجود حاکی از عملکرد صحیح مدل در شرایط مختلف می¬باشد. پس از صحت سنجی مدل، حرکت یک لکه نفتی در خلیج مکزیک که در حادثه سکوی نفتی Deepwater Horizon رخ داده است بعنوان مطالعه موردی مورد بررسی و مدلسازی قرار¬گرفته است. نتایج بدست آمده بیانگر قابلیت مناسب سامانه هوشمند تهیه شده جهت تخمین و پیش¬بینی تغییرات مشخصات لکه نفتی می¬باشد. همچنین مشخص گردید که برای پیش-بینی تغییرات مشخصات لکه نفتی در مناطقی با میدان هیدرودینامیکی پیچیده، کاربرد گام¬های کوچک پیش¬بینی دقت بیشتری دارد.
- Abstract
- It's important to make complex decisions after oil spill in marine waters to prevent a natural disaster. So, the ability to predict the oil spill trajectory and assigned affected areas can be very helpful. In this research, two-dimensional modeling of the motion of oil slick at marine waters with the use of intelligent methods has been studied. To develop the intelligent model, the Case Based Reasoning (CBR) methodology has been chosen. To select the most appropriate systems for use in different parts of CBR methodology, existing intelligent techniques are reviewed. In this model, Self Organizing Map (SOM) was used for data management and Artificial Neural Networks (ANN) for prediction of parameter variation. The developed model is able to predict the oil spill movement in a concerned area, using historical data. Model is verified by numerical data obtained from testing performed two-dimensional advection-diffusion Gaussian Pulse. Comparing results of the numerical models and intelligent method shows the proper performance of the model in different conditions. After model verification, the movement of an oil spill (occurred in Deepwater horizon platform accident in the Gulf of Mexico) has been studied and simulated as case study. The results showed that the intelligent system provides adequate capacity to estimate and predict changes oil slick. Also it was cleared that in the complex hydrodynamic field, using small step for predicting oil slick specification is more accurately.
