چکیده:
کمبود بارش در یک دوره میتواند سبب کاهش تغذیه شود که به دنبال آن کاهش جریان سطحی و افت آبهای زیرزمینی را سبب میشود. با توجه به اهمیت منابع آب در زندگی بشر, ایجاد تنش در دستیابی به منابع پایدار و قابل اطمینان اهمیت زیادی در میزان توسعه و پیشرفت جامعه دارد. این تنشها میتواند به دلایل طبیعی و یا استفاده نادرست و غیر معقولانه از منابع آبی باشد و همراهی این دو عامل با هم سبب تشدید این تنشها میشود. هدف از این پژوهش بررسی فراسنجهای مؤثر در تغییرات دبی ماهانه در حوضه آبی دهگلان است. دادههای مورد استفاده در این تحقیق شامل بارش ، تبخیر (حاصل از تشت تبخیر), دما و دبی ایستگاههای واقع در حوضه آبی دهگلان میباشد که از سازمان هواشناسی و شرکت آب منطقهای استان کردستان اخذ شده است. ابتدا دادههای مربوط به بارش در سطح حوضه با استفاده از شاخص SPI استاندارد شده و سایر دادههای اقلیمی و هیدرولوژیکی نیز نرمالسازی شد. سپس با استفاده از شبکههای عصبی مصنوعی و به روش پرسپترون چندلایه مدلهای مختلفی از این دادهها مورد بررسی قرار گرفت. نتایج حاصل از بررسی مدلهای مختلف نشان میدهد که بیشترین همبستگی و حداقل مربعات خطا در شرایطی بدست میآید که شاخص SPI در مقیاس 6 ماهه, دبی در ماه قبل و دما وتبخیر در ماه حاضر به عنوان ورودی شبکه و دبی ماه حاضر به عنوان خروجی به مدل معرفی شود. مقایسه روش شبکههای عصبی مصنوعی و رگرسیون چند متغییره حاکی از نتایج بهتر در پیشبینی دبی ماهانه با استفاده از شبکههای عصبی مصنوعی است.
A deficit in precipitation (meteorological drought) can result in a recharge deficit, which in turn causes lowered surface flow and a deficit in groundwater discharge. Given the importance of water in human life, regulating the access to reliable and sustainable water resources and planning proper consumption are essential for every designated region. There are two type of limitations that results from natural phenomena or improper management by human. This phenomenon is evident when above mentioned two factors emerge together. The purpose of this study is to identifying the climatic conditions that affect the flow in Dehgolan basin. The applied dataset in this study is the Precipitation, temperature, evaporation and runoff recorded in stations located at the Dehgolan basin. First using the Double-Mass curve the accuracy and the exactness of the mentioned data checked. Having made sure of their accuracy, using the data of adjacent stations and through proportions and differentials, the lost data of each station rebuilt. Drought occurrence was calculated using SPI index and other climatic variables normalized too. Then operative climatic conditions on surface flow studied using the artificial neural network in MATLAB environment as the method of feed forward back propagation. The highest correlation coefficient and proper mean square error for the input parameters obtained in an input model include: SPI in half year time scale, flow in the last months, temperature and evaporation in the synchronic month. Compare the multiple regression method and artificial neural networks shows higher correlation coefficient in artificial neural network. According to the major changes in the values of correlation, Standard Precipitation Index (SPI) and the discharge of the previous month can mention that the variation of these parameters got a higher effect on decreasing or the increasing of the monthly discharge.
خلاصه ماشینی:
نتايج حاصل از بررسي مدلهاي مختلف نشان ميدهد که بيشترين همبستگي و کمترين مربعات خطا در شرايطي بدست ميآيد که شاخص SPI در مقياس 6 ماهه, دبي در ماه قبل و دما وتبخير در ماه حاضر به عنوان ورودي شبکه و دبي ماه حاضر به عنوان خروجي به مدل معرفي شود.
اين پژوهش در صدد است به سؤالات زير پاسخ دهد: 1- در دوره آماري از مهر 1365 تا مهر 1388 چند دوره خشکسالي در سطح حوضه رخ داده است؟ 1- چه رابطهاي ميان مقياس زماني شاخص بارش استاندارد و تغيرات دبي ماهانه وجود دارد؟ 2- فراسنجهاي مؤثر در تغيرات دبي ماهانه کدامند؟ 4- آيا شبکههاي عصبي مصنوعي نتايج بهتري نسبت به رگرسيون چند متغيره ارائه ميدهند؟ 2- مفاهيم ديدگاهها و مباني نظري در هر منطقهاي بر اساس نوع منابع و ذخاير آب موجود متغييرهاي مختلفي در بيلان آبي و توزيع زماني و مکاني منابع آبي تأثير ميگذارند.
) The survey on the effective parameters of river discharge using the artificial neural networks in Dehgolan basin-Kurdistan Abstract A deficit in precipitation (meteorological drought) can result in a recharge deficit, which in turn causes lowered surface flow and a deficit in groundwater discharge.
The aim of this study is to survey of: a climatic situation that affected the changes in the river flow in Dehgolan basin, drought occurring intervals, the investigation of better approaches in the education of artificial neural networks to preview the monthly discharge and the identification of the best correlation model between climatic parameters and the monthly discharge.