مدلسازی پیش بینی سطح آب حوضه ی آبریز با استفاده از تکنیک GoT
Publish place: 8th National Conference on Applied Research in Civil Engineering, Architecture and Urban Management
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 120
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEUCONF08_451
تاریخ نمایه سازی: 29 بهمن 1400
Abstract:
خلاصه
سیل یکی از شایع ترین مخاطرات طبیعی در سراسر جهان است که باعث تخریب و خسارات زیادی به زندگی و اموال مردم می شود. بر اساس تحقیقات متعدد، در دهه های اخیر برای مدیریت، رواناب های ناشی از سیل، همچنین کاهش اثرات زیان بار سیل، پیش بینی و مدل سازی سطح آب اولین گام می باشد. در این تحقیق، با استفاده از داده های ایستگاه های آنی به پیش بینی و مدل سازی سطح آب در حوضه مورای – دارلینگ استرالیا پرداخته شده است که برای این منظور از مدلی مبتنی بر GoT استفاده شده است، این مدل ترکیبی از GIS و IoT می باشد. درواقع هدف از پژوهش حاضر کاربرد فناوری نوظهور GoT در استخراج روابط مکانی و زمانی سوابق تاریخی داده های ثبت شده توسط ایستگاه های آنی است؛ بنابراین بر پایه مدل استنتاجی حاصل از این دادهها به پیش بینی سطح تراز آب پرداخته شد. لازم به ذکر است تحلیل های انجام گرفته شامل ۲ فاز عملیاتی می باشد که در فاز نخست به منظور جستجوی منطقه موردمطالعه و ایستگاه های آن، بعد از تهیه و آماده سازی لایه های اطلاعاتی موردنیاز از منابع اینترنتی، از ابزار تحلیلی GIS استفاده گردید. در فاز بعدی پس از دریافت مشاهدات سوابق تاریخی ایستگاه های آنی، آنالیزهای موردنظر به منظور کشف رابطه منطقی بینشان انجام شد. به منظور تعیین این رابطه، دو روش برای مدل سازی ارائه شده است که درروش اول بدون طبقه بندی داده صرفا با توجه به رفتار مشاهدات روی نمودار، مدل سازی انجام شد و درروش دوم مشاهدات به کمک شاخص SPEI طبقه بندی شدند. چراکه در فرآیند مدل سازی مشخص گردید رفتار ایستگاه ها نسبت به هم در دوره های عادی، ترسالی و خشک سالی متفاوت است. سپس با توجه ضریب همبستگی، مجموعه داده هایی که قابلیت مدل سازی دارند انتخاب شدند و در مرحله بعد مدل خطی مطلوب بر آن ها برازش گردید. نتایج نشان می دهد مدل حاصل از روش دوم به مراتب بهتر از روش اول است چراکه علاوه بر پوشش حداکثری مشاهدات، ازنظر شاخص های آماری RMSE، R-Square شرایط مطلوب تری دارد. با توجه به نتایج حاصل از تحقیق در دوره های موسوم به خشک سالی ضریب همبستگی بسیار پایین برآورد شده است، لذا تعریف مدل در این بازه ها منطقی نیست. چراکه اساسا جریان پیوسته ای بین دو ایستگاه شناسایی نشده است و سوابق اقلیمی منطقه نیز گواهی بر این موضوع می باشد.