عنوان پایان‌نامه
ارزیابی اثرات تغییر کاربری کشاورزی و مرتع حوضه به کاربری شهری و بررسی قابلیت های شبیه سازی هیدرولوژی و شبکه عصبی مصنوعی در هشدار سیل این گونه حوضه ها (مطالعه موردی حوضه گلابدره -دربند )
- رشته تحصیلی
- مهندسی‌کشاورزی-آبیاری و زهکشی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 38016;کتابخانه پردیس ابوریحان شماره ثبت: 89
- تاریخ دفاع
- ۲۸ بهمن ۱۳۸۶
- دانشجو
- آذر عربی
- استاد راهنما
- محمدابراهیم بنی حبیب
- چکیده
- پیش‌بینی وقوع سیلاب برای تمامی بخش‌های اقتصادی کشور و برای جمعیت شهری و روستایی اهمیت خاصی دارد. اگر هشدار یا اخطار به موقع و پیشاپیش داده شود امکان به حداقل رساندن خسارت ها با روش‌هایی نظیر تخلیه افراد وامکانات وجود دارد. با توجه به مطالعاتی که بر روی حوضه گلابدره- دربند انجام شده است، این حوضه دارای شیب تند می‌باشد و این امر موجب تولید سیلاب‌های برق آسا در این حوضه می‌شود. از طرف دیگر به مرور زمان و با افزایش شهرنشینی، کاربری این حوضه از مرتع به شهری تغییر یافته به طوریکه روز به روز بر کاربری شهری سطح حوضه افزوده شده است و این امر اثر قابل توجهی بر روی زمان پیش هشدار آن دارد. لذا هدف از تحقیق حاضر بررسی اثر تغییر کاربری اراضی مختلف حوضه گلابدره دربند بر روی زمان هشدار سیل در این حوضه با استفاده از دو مدل HEC-HMS و شبکه عصبی مصنوعی می باشد. مدلHEC-HMS با استفاده از داده های موجود واسنجی و صحت سنجی شد. سپس به منظور بررسی اثر کاربری های مختلف حوضه، پنج سناریوی کاربری اراضی حوضه شامل سال های 1334، 1367، 1380، سناریوی مدیریت نامناسب و مدیریت مناسب حوضه تعریف گردید. پس از تعیین CN های نهایی برای هر کاربری، CN مربوط به هر زیرحوضه در سناریوهای مختلف واسنجی گردید. پس از شبیه سازی با مدلHEC-HMS برای دوره بازگشت های مختلف، زمان پیش هشدار حوضه با در نظر گرفتن حد آستانه سیلاب 25 ساله سال 1367 محاسبه گردید. در مدل شبکه عصبی مصنوعی به منظور لحاظ نمودن اثر کاربری های مختلف طی هر سناریو، بردار هدف مجموعه آموزشی شبکه همان خروجی مدلHEC-HMS در نظر گرفته شد. مدل شبکه عصبی مصنوعی بکار رفته دارای ساختار دینامیک بوده که مجموعه آموزشی در آن سیلاب 10000 ساله در نظر گرفته شد. پس از بررسی ساختار های مختلف در هر سناریو، زمان پیش هشدار بر اساس بهترین ساختار محاسبه گردید. در شبکه عصبی مصنوعی دینامیک، بررسی آزمون های مختلف نشان داد که تعداد تاخیرهای داده های بارش و رواناب دارای یک مقدار اپتیمم می باشد. به طوریکه نتایج نشان داد در شبکه عصبی مصنوعی دینامیک در هر پنج سناریو بهترین تعداد تاخیرهای داده های بارش در محدوده بین 30 تا 40 تاخیر و بهترین تعداد تاخیرهای داده های رواناب در محدوده بین 10 تا 51 تاخیر متغیر است. نتایج همچنین نشان داد که در هر دو مدل زمان هشدار سیل برای سال 1367 بالاترین مقدار و برای سناریوی مدیریت نامناسب حوضه، کمترین مقدار را دارد. کلمات کلیدی: زمان پیش هشدار، کاربری اراضی، مدل شبکه عصبی مصنوعی، مدل HEC-HMS.
