به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

streamflow

در نشریات گروه مهندسی آب
تکرار جستجوی کلیدواژه streamflow در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه streamflow در مقالات مجلات علمی
  • سید موسی حسینی*

    در این مطالعه، شاخص درک کمبود آب شهری (UWSPI) به منظور پایش شدت کمبود آب در مناطق شهری که در آب های سطحی منبع غالب تامین نیاز آب خانگی است، توسعه داده شده است. شاخص UWSPI که می توان شکل اصلاح شده شاخص فالکن مارک درنظر گرفت، برای نشان دادن تفاوت بین خشکسالی هیدرولوژیکی و خشکسالی که جامعه به دلیل کمبود سرانه آب شرب در طول زمان درک می کند، ارایه شده است. برای اعمال شاخص توسعه یافته، شهر تهران که منبع مهم تامین نیاز خانوارهای خود را از منابع آب سطحی حوضه های آبریز اطراف (حدود 72 درصد) تامین می کند، به عنوان مطالعه موردی درنظر گرفته شد. سری های زمانی داده های ماهانه جریان آب های سطحی ورودی به پنج مخزن اطراف شهر تهران در بازه زمانی 21 ساله (1377-1397) و مقدار جمعیت سالانه شهر تهران به عنوان داده های اولیه انتخاب شدند. نتایج نشان داد که مقادیر سالانه شاخص UWSPI در سه دوره زمانی 2007-1998، 2009-2007 و 2018-2009 به ترتیب دارای مقادیر منفی، نزدیک به صفر و مثبت است. در دوره اول (UWSPI>0)، خشکسالی هیدرولوژیکی حاکم است و درک شهروندان شهر تهران از کمبود آب کم است. اما در دوره سوم که UWSPI<0  است، درک جامعه از کمبود آب بسیار بیشتر از خشکسالی هیدرولوژیکی است. این بدان معناست که خشکسالی هیدرولوژیکی پایداری تامین آب مورد نیاز شهر را تهدید می کند. بنابراین برای مدیریت خشکسالی نیاز به راهکارهای سختگیرانه است. همچنین، نتایج نشان داد که علیرغم عدم تغییر در حجم ورودی به سدها، رشد سریع جمعیت تهران عامل اصلی درک کمبود آب در دوره اخیر بوده است.

    کلید واژگان: شاخص کمبود آب، پایداری منابع آب، خشکسالی هیدرولوژیکی، نیاز آبی تهران، رشد جمعیت
    Seiyed Mossa Hosseini *

    In this study, the Urban Water Scarcity Index (UWSI), a hydrology-demography based-index, was developed to assess the intensity of water scarcity in urban areas. The UWSI index is presented to show the difference between hydrological drought (in terms of standardized streamflow index) and the water-crowding index. For the application of the developed index, the city of Tehran was considered as a case study in which about 72% of the domestic water demands are supplied from the surface water sources in the surrounding catchments. The time series of the monthly data of surface water flow entering five reservoirs around Tehran during a period of 21 years (1998-2018) and the annual changes in Tehran's population were the input data to this study. The results showed that the annual value of the UWSI index in the three time periods of 1998-2007, 2007-2009, and 2009-2018 has negative, nearly zero, and positive values, respectively. During the first period, hydrological drought dominated the water stress in Tehran. But in the third period, the water stress is much higher than hydrological drought. The positive trend of UWSI during the recent decade reveals that water stress threatens the sustainability in providing the city's water needs. Therefore, strict strategies are needed to manage and overcome the water shortage. The UWSI index developed in this study incorporates both blue water resources (i.e., the river flows) and population size for Tehran city and can be served as an initial water scarcity assessment tool in other urban areas.

    Keywords: Water Scarcity Index, Sustainability of Water Resources, Hydrological drought, Streamflow, Tehran's Water Demand, population growth
  • امین امیرعشایری، جواد بهمنش*، نسرین فتح الله زاده عطار

    نیاز روزافزون به آب سبب گردیده است که برنامه ریزی های مدیریتی به منظور کنترل مصرف آب در آینده از اهمیت بیشتری برخوردار باشد. به همین دلیل برآورد صحیح و دقیق جریان رودخانه با استفاده از مدل های مختلف یکی از موضوعاتی است که در منابع آب پژوهشگران بررسی می کنند. در این تحقیق جهت برآوردی دقیق از مقدار روزانه جریان رودخانه زرینه رود از دو ایستگاه هیدرومتری ساری-قمیش و نظام آباد واقع در استان آذربایجان غربی استفاده شد. اخیرا شیوه استفاده از مدل های هوشمند به صورت ترکیبی موردپذیرش قرارگرفته است که در این تحقیق، برای مقابله با پیچیدگی و ناپایداری داده های سری زمانی از الگوریتم پیش پردازش تجزیه مد تجربی (EMD) استفاده شد. EMD یک روش تجزیه اطلاعات برای استخراج سیگنال ها در اطلاعات تولیدشده توسط عملیات غیرخطی و غیرایستا است. در این تحقیق، از روش مدل برنامه ریزی بیان ژن و از مدل شبکه عصبی مصنوعی استفاده شد. نتایج تحقیق نشان داد که عملکرد مدل برنامه ریزی بیان ژن برابر و گاهی کمتر از عملکرد شبکه عصبی مصنوعی بود. بااین حال ترکیب دو مدل مذکور با فن (EMD) باعث افزایش دقت مدل و کاهش خطا در شبیه سازی جریان رودخانه در ایستگاه های ساری-قمیش و نظام آباد شد. نتایج نشان داد که در مرحله آزمون ترکیب روش GEP با EMD باعث ارتقا ضریب تبیین به میزان 7.29% و 2.15% به ترتیب برای ایستگاه ساری-قمیش و نظام آباد گردید، همچنین در مرحله آزمون ترکیب روش ANN با EMD باعث ارتقا ضریب تبیین به میزان 3.06% و 3.09%  به ترتیب برای ایستگاه ساری-قمیش و نظام آباد گردید.

    کلید واژگان: جریان رودخانه، پیش بینی، مدل برنامه ریزی بیان ژن، الگوریتم تجزیه حالت تجربی، مدل شبکه عصبی مصنوعی
    Amin Amirashayeri, Javad Behmanesh *, Nasrin Fathollahzadeh Attar

    The correct and accurate estimation of the river flow using different models is a significant issue in water resources research. In this research, two hydrometric stations of Sari-Qomish and Nizam-Abad located in West Azarbaijan province were used to accurately estimate the daily flow of Zarineh-Rood River. To reach this aim, Empirical Mode Decomposition (EMD) preprocessing algorithm was used to deal with the complexity and instability of time series data. EMD is a data analysis method for extracting signals in data generation through non-linear and non-stationary operations. In this research, the method of gene expression programming model and artificial neural network model were used. The results of the research showed that the performance of the gene expression programming model was equal and sometimes less than the performance of the artificial neural network. However, the combination of the two mentioned models with the technique (EMD) increased the accuracy of the model and reduced the error in simulating the river flow in Sari-Qomish and Nizam-Abad stations.

    Keywords: Streamflow, prediction, Gene expression model, empirical mode decomposition, Artificial Neural Network
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال