عنوان پایان‌نامه
تدوین الگوی برنامه ریزی شرایط اضطراری در مدیریت خشکسالی
- رشته تحصیلی
- مهندسی عمران - مهندسی آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 36361
- تاریخ دفاع
- ۰۷ مهر ۱۳۸۶
- دانشجو
- ساناز ایمن
- استاد راهنما
- محمد کارآموز
- چکیده
- از جمله مشکلات ملموس در اغلب حوزه‌‌‌های آبریز ایران، وقوع پدیده‌‌های متعدد خشکسالی است که شدت و فراوانی‌های وقوع آنها در سال‌های اخیر افزایش یافته است. مدیریت سیستم‌های تأمین آب در مواقع خشکسالی بنا به دلایل متعدد با مشکلات بسیاری مواجه است که از آن جمله می‌توان به وجود نیازهای پیش‌بینی نشده، جریان‌های رودخانه‌ای نامطمئن و طبیعت چند منظوره سیستم‌های آبرسانی و نیز عدم برنامه‌ریزی به موقع برای مواجهه با این شرایط، اشاره نمود. هدف اصلی تحقیق حاضر بهینه‌سازی الگوی بهرهبرداری از مخزن در شرایط خشکسالی جهت کاهش خسارات ناشی از آن، می‌باشد. برای استفاده از این الگوها، پیش‌بینی به موقع شرایط خشکسالی آتی از اهمیت بالایی برخوردار است. با توجه به اثرات تغییر اقلیم بر پدیده خشکسالی و تغییر مشخصات عمومی آن، لحاظ کردن این اثرات در پیش‌بینی‌های آتی بسیار اثرگذار است. برای این منظور، پارامتر‌های اقلیمی بارش و دما، با استفاده از خروجی‌های مدل GCM و بکارگیری روش ریز مقیاس کردن آماری در محدوده مورد مطالعه پیش‌بینی شده‌اند. با استفاده از نتایج به دست آمده از پیش‌بینی بارش و دما، اطلاعات تاریخی رواناب و مدل بارش- رواناب IHACRES، رواناب ورودی به مخزن در دوره‌های آتی شبیه‌سازی شده‌اند. برای تدقیق هرچه بیشتر نتایج این مدل، از شبکه عصبی پرسپترون چند لایه استفاده شده است. از مقایسه نتایج به دست آمده پیش‌بینی‌های بارش، دما و رواناب با شرایط حاضر، اثرات تغییر اقلیم بر پارامتر‌های مذکور در دوره‌های آتی مورد بررسی قرار گرفته است. مدل بهینه‌سازی MILP بر مبنای قوانین محدود‌کننده برای این منظور تدوین شده است. با استفاده از این مدل الگوی بهینه بهرهبرداری از مخزن در شرایط خشکسالی آتی ارائه شده است. نتایج به دست آمده از مدل، نشان‌دهنده کارآیی مدل به کار‌گرفته شده در کاهش مقادیر کمبود‌ها و خسارات خشکسالی احتمالی می‌باشد. با توجه به اهمیت سد ستارخان به عنوان تنها سد مخزنی موجود در حوزه آبریز اهرچای در شمال غرب کشور، الگوریتم و دستورالعمل‌های تدوین شده در این پایان‌نامه بر این حوزه آبریز اعمال شده‌اند.
- Abstract
- In recent years, most of the basins in Iran have experienced droughts with increasing severity and frequency. Water planning and management in drought situations must deal with: varying demands, uncertainty of streamflow prediction, conflict over water allocation resources and lack of needed infra structure for real-time planning. Developing as optimization algorithm for reservoir operation in drought periods for the purpose of mitigating drought impacts, is the main object of this thesis. For this purpose long-lead prediction of climate and hydrolog variables are considered in reservoir management in the drought periods. Long-lead predictions considering climate change effects can considerably improve estimations of the future condition of water resources in a region. Therefore, climate variables as well as temperature and precipitation are predicted by using GCM's (General Circulation Model) outputs and using statistical downscaling method. A hydrological model, namely IHACRES (Identification of Unit Hydrographs and Component Flows from Rainfall, Evaporation and Streamflow Data) developed by (Jakeman & Hornberger, 1993) has been used to predict river discharge, based on rainfall and temperature downscaled data. A Multi layer Perceptron (MLP) Neural Network has been used for correcting the predicted streamflow. The results of evaluation of trends in considered hydroclimatological variables show that climate change highly effects them and cause increasing water scarcity and drought severity in this region. Reservoir operation has been optimized using hedging rules, for decreasing the maximum water deficit in the drought period. The optimization algorithm has been developed based on a MILP (Mixed Integer Linear Programming). The results show that this approach leads to less water deficit and decreases the drought damages compared to the actual reservoir operation. The case study of this thesis is Sattarkhan dam, in the Aharchay watershed in northwestern of Iran. The proposed algorithm was applied to this watershed.
